备注：本文档续“Python进行常见序列处理（1）”，因为写在一个文档里每次编辑有点卡。

十五. 解决Geneious无法完整加载序列名称

Geneious是生物学数据分析一款非常强大的软件，该软件是付费的，该软件的具体功能这里不做介绍。
如果序列名称是我们自命名的，比如是“MG812378|Sparrow|USA-Minnesota|201710”这种“GenID+ 宿主+采集地区+采集年月”的格式，序列导入 Geneious软件后，软件可能无法识别全我们的自命名序列（仅仅是可能），比如只识别了前6个字符，这样可能会出现一些名称重复的序列。
我们可以采取在每条序列名称前加上数字，来解决这个问题。
附代码如下：

  1. seq=open(r"h:\seq.fasta") #需要处理的序列，对于每条序列，要求格式为：每条序列，其名称占一行，序列占一行的fasta格式
  2. out=open(r"h:\seq-out.fasta","w")    
  3. a=[]
  4. for line in seq:
  5.     a.append(line)
  6. for n in range(len(a)):
  7.     s=a[n]
  8.     if n % 2 == 0:
  9.         k=n/2 + 1
  10.         s2=s.replace(">","")
  11.         s2=s2.replace(" ","_") #将空格换成_,不需要可将此行注释
  12.         out.write(">"+str(k)+ s2) 
  13.     else:
  14.         out.write(s)
  16. seq.close()
  17. out.close()
  18. print "OK"

十六. 提取序列的宿主、采集地点、采集时间信息

  1. 虽然一直在写代码，但是最近比较忙，没有时间整理，趁今天周末，放点福利（硬货）。<br />    最近从一个病毒**核苷酸gb文件**里提取信息的时候，顺便写了个脚本，可以提取宿主、采样时间和采样地点信息，感觉这个需求还是很大的。当然了，目前已经有些软件可以很好地实现这个功能，比如BioAider、Phylosuite，笔者也一直在用它们提取gb文件信息，非常方便。这里的python脚本仅供学习交流，相关算法也需要优化。<br />

1. 准备文件

（1）用于提取信息的核苷酸gb文件（氨基酸gb文件笔者没有测试过…）
示例数据：sequence-test.zip
（2）Python3

2. 代码实现

  1. f1=open(r"C:\Users\j\Desktop\sequence-test.gb") #核苷酸gb文件路径
  2. out=open(r"C:\Users\j\Desktop\out.txt","w")   #输出文件路径
  3. date_str=f1.read()
  4. a=[]
  5. a=date_str.split("//")
  6. first_line="GenID"+"\t"+"Host"+"\t"+"Country"+"\t"+"Collection_date"+"\n"
  7. out.write(first_line)
  8. for n in range(len(a)-1):
  9.     b = []
  10.     b = a[n].split("\n")
  11.     seqID=""
  12.     host="N/A"
  13.     country ="N/A"
  14.     collection_date="N/A"
  15.     for m in range(len(b)):
  16.         if b[m].find("LOCUS")!=-1:
  17.             seqID=b[m][10:22]
  18.             seqID=seqID.strip(" ")
  19.         if b[m].find("/host")!=-1:
  20.             host_str=b[m].strip()
  21.             host_str= host_str.replace('"','')
  22.             host = host_str[6:]
  23.         if b[m].find("/country")!=-1:
  24.             country_str=b[m].strip()
  25.             country_str= country_str.replace('"','')
  26.             country = country_str[9:]
  27.         if b[m].find("/collection_date")!=-1:
  28.             collection_date_str=b[m].strip()
  29.             collection_date_str= collection_date_str.replace('"','')
  30.             collection_date = collection_date_str[17:]
  32.     S= seqID+"\t"+ host+"\t"+country+"\t"+collection_date
  33.     out.write(S+"\n")
  35. print("Fished")
  36. f1.close()
  37. out.close()

3.提取效果

打开生成的out.txt，将内容全选后复制到Excle表格里（不要问我为什么不直接生成.csv格式的表格文件，懒….），
示例数据效果如下：
image.png

十七. 利用“索引寻找”关联信息并顺序输出

该功能是前面第九节功能的加强版，可以完成第九节的代码的功能，并且应用范围更广。
1.待关联的名称
image.png

2.信息多的组合名称
image.png
3.实现代码

  1. f1 = open(r"C:\Users\j\Desktop\短的.txt","r")  # 短的名称
  2. f2 = open(r"C:\Users\j\Desktop\长的.txt","r")  # 长的名称
  3. out=open(r"C:\Users\j\Desktop\outfile.txt","w")  # 输出文件
  4. a = []
  5. b = []
  6. for line1 in f1:
  7.     line1 = line1.strip()
  8.     a.append(line1)
  9. f1.close()
  11. for line2 in f2:
  12.     line2 = line2.strip(" ")
  13.     b.append(line2)
  14. for i in range(len(a)):
  15.     flag = 1
  16.     s = a[i].strip()
  17.     for n in range(len(b)):
  18.         chang = b[n].strip()
  19.         if chang.find(s) != -1:
  20.             out.write(s+ "\t"+ chang+"\n")
  21.             flag = 0
  22.             break
  23.     if flag == 1:
  24.         out.write(a[i].strip()+"\n")
  25. print('Finshed')
  26. f1.close()
  27. f2.close()

4.运行效果
打开输出文件，发现运行结果按照“短的.txt”文件里的名称排序如下：
image.png
注意点：笔者示例数据只用了几条，而实际中，我们需要关联信息并排序的序列可能有成千上万条。

十八.制作反向互补序列（序列可以包括简并碱基）

1.序列要求：标准fasta格式序列，如下：
image.png
2.实现代码

  1. seq=open(r"C:\Users\j\Desktop\dai.fasta","r")
  2. out=open(r"C:\Users\j\Desktop\dai-out.fasta","w")
  3. a=[]
  4. for line in seq:
  5.     line=line.strip()
  6.     a.append(line)
  7. for i in range (len(a)):
  8.     if i % 2==0:
  9.         out.write(a[i]+"\n")
  10.     if i % 2==1:
  11.         a[i]=a[i].translate(str.maketrans('ACGTacgtRYMKrymkVBHDvbhd', 'TGCAtgcaYRKMyrkmBVDHbvdh'))
  12.         a[i]=a[i][::-1]
  13.         out.write(a[i] + "\n")

3.效果
image.png