exonerate结果文件提取(蛋白序列)

近期在使用exonerate进行蛋白比对基因,对其结果log文件未找到方便提取的脚本,自己写了一个,python脚本(未进行优化,欢迎优化回复!)

使用:python 脚本.py log文件

思路就是:把结果Target行提取出,生成初步的三个字母的蛋白文件,再次对三个字母的蛋白文件处理转化为单个字母蛋白文件,如此即可

log文件如下:


Command line: [exonerate --model protein2genome --percent 20 --maxintron 100000 test.fa ../01-genome/gene-DB/chr/TcChr09a.fa]

Hostname: [smp10]

C4 Alignment:

------------

        Query: toxin-1 TcChr09a 4150993——>4157095

        Target: TcChr09a

        Model: protein2genome:local

    Raw score: 10528

  Query range: 0 -> 2034

  Target range: 4150993 -> 4157095

      1 : MetThrLeuSerGlyAspIleLysAlaLeuValAspAsnProGluSerPheLeuAr :      19

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          MetThrLeuSerGlyAspIleLysAlaLeuValAspAsnProGluSerPheLeuAr

4150994 : ATGACTCTCTCTGGCGATATTAAAGCGTTGGTGGACAATCCAGAATCCTTTTTAAG : 4151048

      20 : gAspAsnArgLeuGlyPheAsnLeuAsnArgAsnIleAlaArgLysAspGlnLeuV :      38

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          gAspAsnArgLeuGlyPheAsnLeuAsnArgAsnIleAlaArgLysAspGlnLeuV

4151049 : GGATAATCGTCTGGGCTTCAACCTCAATCGCAACATAGCGAGGAAAGACCAGCTTG : 4151105

      39 : alLysLeuValArgValThrAlaAsnSerTyrAspLeuLysPheSerGluThrGlu :      56

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          alLysLeuValArgValThrAlaAsnSerTyrAspLeuLysPheSerGluThrGlu

4151106 : TAAAACTGGTTCGAGTCACAGCGAACTCGTACGATCTTAAATTTTCCGAGACAGAG : 4151159

      57 : SerGluGluAsnThrIleSerSerTyrIleLeuGlyTyrLysThrAsnGluAlaAs :      75

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          SerGluGluAsnThrIleSerSerTyrIleLeuGlyTyrLysThrAsnGluAlaAs

4151160 : TCAGAGGAAAACACGATATCCAGCTACATCCTTGGATACAAGACGAACGAAGCAAA : 4151216

      76 : nAspAlaValPheLeuAspIleProSerArgGlyValLysGluGlyThrPheLeuP :      94

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          nAspAlaValPheLeuAspIleProSerArgGlyValLysGluGlyThrPheLeuP

4151217 : TGATGCCGTGTTTCTGGACATCCCGAGCAGAGGCGTGAAGGAGGGAACATTTTTGT : 4151273

      95 : heThrSerGluLeuSerGlyCysSerLeuValValThrArgLeuLysAspAspThr :    112

          ||||||||||||||||||||||||||||||||||||||||||||||||||||||||

          heThrSerGluLeuSerGlyCysSerLeuValValThrArgLeuLysAspAspThr

4151274 : TCACATCTGAACTCTCCGGCTGCTCCCTCGTCGTCACACGGCTGAAAGATGATACA : 4151327

代码如下:


import os

import re

import sys

aa_codes = {

    'Ala':'A','Cys':'C','Asp':'D','Glu':'E',

    'Phe':'F','Gly':'G','His':'H','Lys':'K',

    'Ile':'I','Leu':'L','Met':'M','Asn':'N',

    'Pro':'P','Gln':'Q','Arg':'R','Ser':'S',

    'Thr':'T','Val':'V','Tyr':'Y','Trp':'W'

} #转换字典列表

#下面是从log文件中提取出Target结果

t = open("pro-three.fa", "w")

with open(sys.argv[1], 'r') as f:

    a =[]

    for num, line in enumerate(f):

        if '|' in line or '!'  in line:

            a.append(num + 1)

        elif 'Query:' in line:

            print ("\n>" + line.strip().split()[1] + " ", end= "", file = t)

        elif 'Target:' in line:

            print (line.strip().split()[1] + " ", end = "", file = t),

        elif 'Target range:' in line:

            print (line.strip().split()[2] + "——>" + line.strip().split()[4], file = t),

        elif num in a:

            b = re.sub(r'[^A-Za-z]','', line[1:-1])

            print (b, end="", file = t)

t.close()

#下面是对结果文件进行三字符转换

fout_tmp = open('pro-tmp.fa', 'w')

with open("pro-three.fa", 'r', encoding='utf-8') as fin:

    D =[]

    for num, line in enumerate(fin):

        if '>' in line:

            D.append(num + 1)

            print("\n", line, sep="", end= "", file = fout_tmp)

        elif num in D:

            e = re.sub(r"([A-Z])", r" \1", line).split()

            for i in range(len(e)):

                print(aa_codes.get(e[i]), end='', file = fout_tmp)

fin.close()

fout_tmp.close()

#下面是将最终结果剔除空行

file1 = open('pro-tmp.fa', 'r', encoding='utf-8') # 要去掉空行的文件

file2 = open('pro-one.fa', 'w', encoding='utf-8') # 生成没有空行的文件

try:

    for line in file1.readlines():

        if line == '\n':

            line = line.strip("\n")

        file2.write(line)

finally:

    file1.close()

    file2.close()

    os.remove("pro-tmp.fa")

print  ("提取结束\npro-one.fa为单字母氨基酸序列\npro-three.fa为三字母氨基酸序列")

欢迎交流!

作者邮箱:Luanxins@163.com

学习了作者:msw521sg的脚本

exonerate结果整理,获取target序列_msw521sg的博客-CSDN博客_exonerate

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352