使用 BioPython 更改 FASTA 文件中的记录 ID答案

【问题标题】：Changing the record id in a FASTA file using BioPython使用 BioPython 更改 FASTA 文件中的记录 ID
【发布时间】：2015-09-02 00:45:09
【问题描述】：

我有以下 FASTA 文件，original.fasta：

>foo
GCTCACACATAGTTGATGCAGATGTTGAATTCACTATGAGGTGGGAGGATGTAGGGCCA

我需要把记录id从foo改成bar，所以我写了如下代码：

from Bio import SeqIO

original_file = r"path\to\original.fasta"
corrected_file = r"path\to\corrected.fasta"

with open(original_file) as original, open(corrected_file, 'w') as corrected:
    records = SeqIO.parse(original_file, 'fasta')
    for record in records:
        print record.id             # prints 'foo'
        if record.id == 'foo':
            record.id = 'bar'
        print record.id             # prints 'bar' as expected
        SeqIO.write(record, corrected, 'fasta')

我们打印了更改前后的记录id，得到了预期的结果。我们甚至可以通过 BioPython 再次读取更正后的文件并打印出记录 ID 来仔细检查：

with open(corrected_file) as corrected:
    for record in SeqIO.parse(corrected, 'fasta'):
        print record.id                  # prints 'bar', as expected

但是，如果我们在文本编辑器中打开更正后的文件，我们会看到记录 ID 不是 bar 而是 bar foo：

>bar foo
GCTCACACATAGTTGATGCAGATGTTGAATTCACTATGAGGTGGGAGGATGTAGGGCCA

如果我们使用纯 Python 读取文件，我们可以确认这是写入文件的内容：

with open(corrected_file) as corrected:
    print corrected.readlines()[0][1:] # prints 'bar foo'

这是 BioPython 中的错误吗？如果没有，我做错了什么？如何使用 BioPython 更改 FASTA 文件中的记录 ID？

【问题讨论】：

fasta writer 打印 seq.id 和 seq.name 如果它们不同。如果您只想打印“bar”，则需要同时更改两者
record.description 包含foo ....
我发现这个“如果你只更改描述，那么 fasta 文件包含旧 id 和新描述。如果旧 id 和新描述都更改相同，那么你得到你想要的效果。”在 (biostars.org/p/95095)
@heathobrien biopython print id and description ... name 从不打印
awk '/^>foo$/ { $1=">bar" }1' file.fasta >newfile.fasta

标签： bioinformatics biopython

【解决方案1】：

我找不到更好的解决方案（除了创建一个新的 SeqRecord），在我看来它看起来像一个错误

if record.id == 'foo':
  record.id, record.name = ('bar',)*2
  if record.description == 'foo':
    record.description = 'bar'

【讨论】：