python - 将 fasta 文件格式读入 python 字典

Question

我有一个格式如下的文件:

>seq1
ATGGGTGTGTGTGTG
>seq2
ATGTGTTTGTGTGCTCCTCCTC
>seq3
AACGTCGTGACGGGTGCGTGGTGTGTGTCCAA

我想在 Python 中将此文件作为字典来读取。我知道 BIO-python 函数，但除了完成工作之外，我还想学习 python 脚本。到目前为止我已经尝试过这段代码:

import sys
sequence = ' '
fasta = {}
with open(sys.argv[1]) as file_one:
    file_one_content = file_one.read()
    for line in file_one_content.split("\n"):
        if not line.strip():
            continue
        if line.startswith(">"):
            sequence_name = line.rstrip('\n').replace(">", "")
        else:
            sequence = line.rstrip('\n')
        if sequence_name not in fasta:
            fasta[sequence_name] = []
        fasta[sequence_name].append(sequence)
print fasta

我得到以下输出:

{'seq3': ['ATGTGTTTGTGTGCTCCTCCTC', 'AACGTCGTGACGGGTGCGTGGTGTGTGTCCAA'], 'seq2': ['ATGGGTGTGTGTGTG', 'ATGTGTTTGTGTGCTCCTCCTC'], 'seq1': [' ', 'ATGGGTGTGTGTGTG']}

我期望的输出文件是:

{'seq3':['AACGTCGTGACGGGTGCGTGGTGTGTTCCAA']，'seq2':['ATGTGTTTGTGTGCTCCTCCTC']，'seq1':['ATGGGTGTGTGTGTG']}

我一直在努力理解为什么字典的打印方式有误，但我找不到错误。正如我想学习的那样，如果您能让我知道如何更正代码中的错误，那就太好了。谢谢。

Answer 1

使用 biopython SeqIO 和字典理解:

from Bio import SeqIO
seq_dict = {rec.id : rec.seq for rec in SeqIO.parse("myfile.fasta", "fasta")}