使用 Biopython 用 GAP 填充短序列答案

【问题标题】：Padding short sequences with GAPs using Biopython使用 Biopython 用 GAP 填充短序列
【发布时间】：2020-10-22 16:34:52
【问题描述】：

我希望我的序列具有相同的长度，因此，根据我的 fasta 文件的最长，用 GAP ( - ) 填充较短的序列。简而言之，我认为实现它的最佳方法是找到最长的序列，然后将 GAP 添加到其他序列，但可能有更快的选择。请注意，我不想使用对齐功能，而只是 fill 排序器序列。在我想要运行的脚本下方（由于它不工作而失败）

max_length=0

for sequence in SeqIO.parse(path/to/file, 'fasta'):
         length=len(sequence.seq)
         if length > max_length:
                  max_length= length
         else:
                 pass

for sequence in SeqIO.parse(path/to/file, 'fasta'):
     length=len(sequence.seq)
     if length < max_length:
              sequence.seq=sequence.seq+Seq('-')
              if len(sequence.seq) == max_length:
                          break
              else:
                          continue

SeqIO.write(sequence, path/to/new/file, 'fasta')

谢谢！

【问题讨论】：

标签： python padding fill

【解决方案1】：

Seq 对象有一个有点类似于字符串的 API，（但在这种情况下缺少像 ljust 这样有用的东西）。这是一个可能的解决方案：

from Bio import SeqIO

sequences = [s for s in SeqIO.parse('seq.fasta', 'fasta')]
max_len = max([len(s.seq) for s in sequences])
GAPs = "-"
for seq in sequences:
    padding = GAPs*(max_len - len(seq.seq)) # creating the padding string
    seq.seq += padding

SeqIO.write(sequences, 'newseq.fasta', 'fasta')

这个解决方案并没有真正优化，因为在您的尝试中，我们首先寻找最大长度，然后我们填充。为了填充，这个解决方案在字符串上使用了两个有用的运算符：

*，将字符串重复一定次数，以获得所需长度的填充。
+ 连接两个字符串

我们使用列表推导和内置的 max 函数找到最大长度。

【讨论】：