Как заказать несколько файлов выравнивания Fasta

Я уверен, что это легко сделать, но у меня очень ограниченный опыт в биоинформатике.

У меня есть много 100 000 файлов FASTA, содержащих выравнивания разных генов одних и тех же 12 видов. Каждый файл выглядит примерно так:

>dmel
ACTTTTGATACAATTAAC
>dsim
AATCCCAGACAAATTAAG
>dsec
AGTTTTGCAATGGTAAAT
>dere
TGGAATATTAGACGAATT 
...

Не все файлы упорядочены одинаково, и я бы хотел, чтобы они были такими. Их можно отсортировать по алфавиту, если это проще, не имеет значения, как они упорядочены, если все файлы отсортированы одинаково. По алфавиту должно быть так:

>dere
TGGAATATTAGACGAATT
>dmel
ACTTTTGATACAATTAAC
>dsec
AGTTTTGCAATGGTAAAT
>dsim
AATCCCAGACAAATTAAG
...

Любой сценарий, который делает это автоматически, будет высоко оценен.

Изменить: я использовал сценарий оболочки с использованием sed, который работает, но проблематичен. Это работает, когда количество файлов не так велико, но в этом конкретном случае он создает дубликаты файлов с разными именами. Сценарий гласит:

#!/bin/bash
echo
for i in {0..114172}; do
#sed -e '$ d' bloque.fasta.trim$i >b0.fasta.trim
#sed -e 's/ /ñ/g' <b0.fasta.trim >b1.fasta.trim
sed -e 's/ /ñ/g' <bloque.fasta.trim$i >b1.fasta.trim
tr "\n" " " <b1.fasta.trim >b2.fasta.trim
sed -e 's/ //g' < b2.fasta.trim >b3.fasta.trim
sed -e 's/>/\n>/g' < b3.fasta.trim >b4.fasta.trim
sed '1d' b4.fasta.trim >b5.fasta.trim
sort b5.fasta.trim >b6.fasta.trim 
sed -e 's/ñ/\n/g' < b6.fasta.trim >b7.fasta.trim$i
done

Неупорядоченные файлы называются bloque.fasta.trim, этот скрипт создает группу файлов с именем b7.fasta.trim$, которые должны создать один файл b7. файл для каждого блока. файл. Проблема в том, что иногда он дублирует файл, но называет их по-разному. Я уверен, что есть более простой подход, который не делает ошибок дублирования.


bioinformatics fasta sequence-alignment dna-sequence
person NKGon    schedule 01.09.2016    source источник
comment
Попробуйте BioStar или SEQanswers. Если вам нужно решение от Stack Overflow, вам нужно указать язык программирования и показать свою попытку кодирования.   -  person Chris_Rands    schedule 01.09.2016
comment
Хорошо, я отредактировал сообщение, чтобы показать мой скрипт sed, который работает, но с ограничениями.   -  person NKGon    schedule 01.09.2016

Ответы (1)


arrow_upward
1
arrow_downward

Любой сценарий, который делает это автоматически, будет высоко оценен.

Я не знаю, если это именно то, что вы хотите, но файлы fasta легко сортировать с помощью biopython.

Сначала установите модуль:

# If using debian/ubuntu
sudo apt-get install python-biopython

# If other operational system, install pip and
pip install biopython

Теперь запишите этот код в файл, например: fasta_sorter.py

from Bio import SeqIO
import sys

infile = sys.argv[1]

records = SeqIO.parse(open(infile, 'r'), 'fasta')

records_dict = SeqIO.to_dict(records)

for rec in sorted(records_dict):
    print ">%s\n%s" % (rec, records_dict[rec].seq)

После этого вы можете отсортировать каждый из ваших файлов с помощью:

python fasta_sorter.py /path/to/your.fasta > file.sorted.fasta

Вы можете поместить его в цикл for.

person taniguti    schedule 01.09.2016
comment
Это сработало, спасибо. Это заняло довольно много времени, около 2 часов, и выдавало следующее сообщение об ошибке для каждого файла Traceback (последний последний вызов): Файл fasta_sorter.py, строка 6, в ‹module› records = SeqIO.parse(open(infile, ' r'), 'fasta') IOError: [Errno 2] Нет такого файла или каталога: 'bloque.fasta.trim114172' - person NKGon; 01.09.2016
comment
@NKGon, похоже, у вас нет файлов, используемых в качестве входных данных для сортировщика. например: bloque.fasta.trim114172 - person taniguti; 02.09.2016
comment
Я так и думал, но файлы есть и выходной файл тоже создан. У меня нет объяснения, но как-то это работает. - person NKGon; 02.09.2016