SeqIO.parse 在 fasta.gz

Question

编码新手。 Pytho/biopython 的新手；这是我在网上的第一个问题，永远。如何打开压缩的 fasta.gz 文件以提取信息并在我的函数中执行计算。这是我正在尝试做的事情的简化示例（我尝试了不同的方法），以及错误是什么。我使用的 gzip 命令似乎不起作用。?

with gzip.open("practicezip.fasta.gz", "r") as handle:
    for record in SeqIO.parse(handle, "fasta"):
        print(record.id)

Traceback (most recent call last):

  File "<ipython-input-192-a94ad3309a16>", line 2, in <module>
    for record in SeqIO.parse(handle, "fasta"):

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\__init__.py", line 600, in parse
    for r in i:

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\FastaIO.py", line 122, in FastaIterator
    for title, sequence in SimpleFastaParser(handle):

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\FastaIO.py", line 46, in SimpleFastaParser
    if line[0] == ">":

IndexError: index out of range

Answer 1

您在使用 python3 吗？

这个（"r" --> "rt"）可以解决你的问题。

import gzip
from Bio import SeqIO

with gzip.open("practicezip.fasta.gz", "rt") as handle:
    for record in SeqIO.parse(handle, "fasta"):
        print(record.id)

Answer 2

如果您想处理常规文本和 gzip 文件，这里有一个解决方案：

import gzip
from mimetypes import guess_type
from functools import partial
from Bio import SeqIO

input_file = 'input_file.fa.gz'

encoding = guess_type(input_file)[1]  # uses file extension
_open = partial(gzip.open, mode='rt') if encoding == 'gzip' else open

with _open(input_file) as f:
    for record in SeqIO.parse(f, 'fasta'):
        print(record)

注意：这依赖于具有正确文件扩展名的文件，我认为这几乎在所有时间都是合理的（如果不满足此假设，错误将是明显和明确的）。但是，read here 了解实际检查文件内容的方法，而不是依赖于此假设。

Answer 3

@klim 的回答很好。但是，在某些情况下，您不想迭代而只是 select 单个条目。在这种情况下，请使用以下代码：

import pyfastx
fa = pyfastx.Fasta('ATEST.fasta.gz')
s1 = fa['KF530110.1']
fa_sequence = s1.seq

它创建一个额外的文件，即它索引每个fasta 条目。真快。

SeqIO.parse 在 fasta.gz

SeqIO.parse on a fasta.gz

python

gzip

bioinformatics

biopython