作为生信工程师，终于掌握了python面对对象编程的思路，开始磨刀霍霍使用屠龙之术。但是在此之前还是好好从简单的代码出发
好记性不如烂笔头，所以尝试记录一下成长历程
同时发布一些简单生信脚本，从简单到难，基于python开发
这个脚本首先思路就是把fasta格式转换成python字典，key储存的是以“>”字符开头的标签，value储存的是测序的read（如果是标准fasta，会分成多行，要注意）
#!/usr/bin/env python
#usages: python extract_reads_by_location.py input_fasta_file bed_file > output_fasta_file
import re
import sys
def structure_fasta_dict(fasta_file): #读取fasta文件，返回字典结构
with open(fasta_file,"r") as input_fasta:
fasta_dict = {}
for line in input_fasta:
line = line.strip() #strip()方法移除字符串头尾指定的字符（默认为空格或换行符）,不会删除中间部分字符
if line == '':
continue
if line.startswith('>'):
read_name = line.lstrip('>')
read_name = re.sub('\..*', '', read_name)
'''把>标签行整理成bed文件中read标签的格式(比如fasta文件中>标签行：'gi|41406098|ref|NC_002944.2| Mycobacterium avium subsp. paratuberculosis K-10, complete sequence'（ncbi标准格式）；bed文件中第一列read标签：如NC_002944.2（只需其中一部分）)，运用自己构建的正则表达提取。例句只提取第一个空格前的'''
fasta_dict[read_name] = ''
else:
fasta_dict[read_name] += line
return fasta_dict
def main(fasta_file, bedfile):
fasta_dict = structure_fasta_dict(fasta_file)
with open(bedfile,"r") as input_bed:
for line in input_bed:
line = line.strip().split('\t')
if line[0] in fasta_dict.keys(): #如果bed文件和fasta不匹配，添加这个判断，可以不报错
outname = line[0] + ":" +line[1] + '-' + line[2]
print('>' + outname)
s_pos = int(line[1])-1
e_pos = int(line[2])-1
print(fasta_dict[line[0]][s_pos:e_pos])
if __name__ == '__main__':
fasta_file = sys.argv[1]
bed_file = sys.argv[2]
main(fasta_file, bed_file)
代码就在上面，可以下载后根据需求自己改写，两个参数，第一个fasta文件，第二个bed文件。
可以再添加一个输出代码块，我这里直接linux里面 > 输出文件即可。
不足之处：
1.如果fasta数据量太大，速度过慢（字典太大，后续加入拆分成多个fasta+并行的功能）
2.为了更美观，可以添加命令行解析参数（click模块，getopt模块，fire模块......）
有空再优化，安利一款生信软件seqkit，非常好用、
如果有机会讲到pysam，到时候可以用pysam包实现同样的功能
