python - 根据bp坐标提取fasta序列的一部分

Question

我有一个巨大的 fasta 文件，但如果我知道序列的起始和结束碱基对坐标，我只需要提取其中的一部分。另外，它应该是 fasta 格式，每行长度为 60 bp。这是我的尝试，如果看起来不错，请告诉我，欢迎提出任何改进建议。

from Bio import SeqIO

inFile = open('full_chr.fa','r')
fw=open("part.fa",'w')
line_width = 60
for record in SeqIO.parse(inFile,'fasta'):
    fw.write(">" + record.id + "\n")
    fww = (str(record.seq[600130000:602000000]) + '\n')
    for i in xrange(0,len(fww),line_width):
        fw.write(str(fww[i:i+line_width]) + '\n')
fw.close()

Answer 1

很简单:

from Bio import SeqIO


record = SeqIO.read("Chromosome.fas", "fasta")

with open("output.fas", "w") as out:
    SeqIO.write(record[100:500], out, "fasta")

SeqIO.write 已使用 60 个字符长度的换行。如果您想操作换行，请使用 FastaWriter 对象。这是 80 bp 线的示例:

from Bio import SeqIO
from Bio.SeqIO.FastaIO import FastaWriter


record = SeqIO.read("Chromosome.fas", "fasta")

with open("output.fas", "w") as out:
    writer = FastaWriter(out, wrap=80)
    writer.write_header()
    writer.write_record(record[100:500])
    writer.write_footer()