所有人问生信媛

这是《所有人问生信媛》的第一期，主要是解答读者的问题，不定期更新。

如果你想向我们请教问题，欢迎发送邮件到[e-mail] ，问题能否被答复以及何时答复只与回答者的心情有关。

比如说我会优先回答那些加入小密圈，以及有过打赏记录粉丝的问题。

如果你要提问，本期的问题就是模板。

徐老师：
      您好！
      我是上次在生信技能树上您指导我python入门的那个家伙。经过上次您的指导，感觉收获很大，感觉算是python摸到了入门。不过我现在又遇到了一个问题，想了很久没有很好的方法。我有一个blastsx的结果文件，其中从左往右数第一列是序列的ID号，然后有另外一个文件是序列文件里面有序列ID和相应的序列。请问如何根据blastx文件里的ID号找出序列文件里的对应的序列并计算出相应序列的长度，然后把对应的长度数值放到blastx文件的第二列，让每个ID后面都显示其对应序列的长度。我自己的想法是将文件读入列表中，计算出序列长度。但是不知道怎么样将列表中的内容按行写入文件

这是BLASTX文件

这是对应序列

解题原则：            

1. 这个世界都是你的已知条件

2. 为每一步都找到最佳的工具，而不是纠结于一定要用某一个工具做所有事情

需求分析：其实很简单，就是给定一组ID，返回这些ID所在序列的长度是多少。

解题思路：            

第一步，计算出序列文件，ID和对应的序列长度，命名为seq_len.txt 工具是bioawk

第二步，导入seq_len.tx 和 BLAST结果文件(blast_result.txt), 工具是Python

第三步，将seq_len.txt 构建字典。

第四步，用blast_result的ID查询字典

第一步: 在shell下，用bioawk获取每个ID及其序列长度

bioawk -c fastx '{len=length($2); print $1 "\t" len}' getorf_xiaomi_candidate_lncRNA > seq_len.txt head -n 3 sqe_len.txt PB.6.3|scaffold_1:110833-114871(-)|c/49810/f1p99        2763 PB.25.2|scaffold_1:269913-271715(+)|c/79312/f1p99       1718 PB.441.3|scaffold_1:7174735-7175436(+)|c/55975/f1p99    552

第二步： 导入两个序列

file1 = open('C:/Users/DELL/Desktop/请教徐老师关于python的问题/seq_len.txt','r') file2 = open("C:/Users/DELL/Desktop/请教徐老师关于python的问题/blastx_getorf_xiaomi_candidate_lncRNA",'r') seq_len = [line for line in file1] blastx_res = [line for line in file2] file1.close() file2.close()

第三步，将seq_len.txt 构建字典

请熟练掌握字典推导式， 列表推导式

seq_dict = {line.split("\t")[0]: line.split("\t")[1] for line in seq_len  }

第四步， 根据字典获取对应ID的长度，并对ID进行替换

# 建立一个列表，存放最后的结果 results = [] for res in blastx_res:    id_res = res.split("\t")[0]    length = seq_dict[id_res]    new_res = res.replace(id_res, id_res+'\t'+length.strip())    results.append(new_res)

最后，输出结果

with open("C:/Users/DELL/Desktop/请教徐老师关于python的问题/blast.txt",'w') as f:    for line in results:        f.write(line)

建议： 不要指望写那么多循环，既然是很多的步骤，就一步一步拆开来。