python对fasta文件读取实现DNA序列字符串转换，互补链，反向链，反向互补链并新建一个·fasta文件储存

可以使用Python中的Biopython模块来对fasta文件进行读取和处理，并实现DNA序列字符串转换、互补链、反向链和反向互补链，并将结果保存到一个新的fasta文件中。

假设fasta文件名为example.fasta，其中包含一个DNA序列：

>sequence_1
ATCGATCGATCG

1. 读取fasta文件

使用Biopython模块中的SeqIO模块读取fasta文件，并获取DNA序列的字符串。

from Bio import SeqIO

# 读取fasta文件
for seq_record in SeqIO.parse("example.fasta", "fasta"):
    seq = str(seq_record.seq)
    print(seq)

2. 互补链

使用Biopython模块中的reverse_complement函数获取DNA序列的互补链。

from Bio.Seq import reverse_complement

# 获取互补链
comp_seq = reverse_complement(seq)
print(comp_seq)

3. 反向链

使用字符串的切片操作[::-1]获取DNA序列的反向链。

# 获取反向链
rev_seq = seq[::-1]
print(rev_seq)

4. 反向互补链

先获取互补链，再使用字符串的切片操作[::-1]获取DNA序列的反向互补链。

# 获取反向互补链
rev_comp_seq = comp_seq[::-1]
print(rev_comp_seq)

5. 新建fasta文件并储存结果

使用Biopython模块中的SeqRecord模块和SeqIO模块新建一个fasta文件，并将DNA序列的字符串转换、互补链、反向链和反向互补链分别作为四条序列保存到fasta文件中。

from Bio.SeqRecord import SeqRecord
from Bio.Seq import Seq

# 新建fasta文件并储存结果
records = [SeqRecord(Seq(seq), id="sequence_1"),
           SeqRecord(Seq(comp_seq), id="sequence_2"),
           SeqRecord(Seq(rev_seq), id="sequence_3"),
           SeqRecord(Seq(rev_comp_seq), id="sequence_4")]

SeqIO.write(records, "result.fasta", "fasta")

完整代码如下：

from Bio import SeqIO
from Bio.Seq import reverse_complement
from Bio.SeqRecord import SeqRecord
from Bio.Seq import Seq

# 读取fasta文件
for seq_record in SeqIO.parse("example.fasta", "fasta"):
    seq = str(seq_record.seq)
    print(seq)

    # 获取互补链
    comp_seq = reverse_complement(seq)
    print(comp_seq)

    # 获取反向链
    rev_seq = seq[::-1]
    print(rev_seq)

    # 获取反向互补链
    rev_comp_seq = comp_seq[::-1]
    print(rev_comp_seq)

    # 新建fasta文件并储存结果
    records = [SeqRecord(Seq(seq), id="sequence_1"),
               SeqRecord(Seq(comp_seq), id="sequence_2"),
               SeqRecord(Seq(rev_seq), id="sequence_3"),
               SeqRecord(Seq(rev_comp_seq), id="sequence_4")]

    SeqIO.write(records, "result.fasta", "fasta")

输出结果为：

ATCGATCGATCG
CGATCGATCGAT
GCTAGCTAGCTA
TAGCTAGCTAGC

并且会生成一个新的fasta文件result.fasta，其中包含四条序列：

>sequence_1
ATCGATCGATCG
>sequence_2
CGATCGATCGAT
>sequence_3
GCTAGCTAGCTA
>sequence_4
TAGCTAGCTAGC