У меня есть два очень больших файла fasta, оба размером около 2 ГБ. У них есть некоторые последовательности с одинаковым именем, так что это похоже на:
в R1.фаста:
">ABC001 ACTGTGTCGTG
">ABC003 ACTGTGTCGTG
">ABC005 ACTGTGTCGTG
">ABC010 ACTGTGTCGTG
и в R2.fasta
">ABC002 ACTGTGTCGTG
">ABC003 ACTGTGTCGTG
">ABC005 ACTGTGTCGTG
">ABC009 ACTGTGTCGTG
Я хочу найти общие последовательности между двумя файлами, могу записать в новый файл fasta и соединить две последовательности с зазором, чтобы новый файл выглядел так:
">ABC003 ACTGTGTCGTG-----ACTGTGTCGTG
">ABC005 ACTGTGTCGTG-----ACTGTGTCGTG
Я написал скрипт на Python для выполнения этой работы, но он работал очень медленно. Интересно, есть ли более быстрый способ сделать это. Спасибо! код такой:
from Bio import SeqIO
from Bio.Seq import Seq
R1 = 'L008_R1.forward.trim.fasta' #input R1 file
R2 = 'L008_R2.reverse.trim.fasta' # input R2 file
R = 'Gap20.L008.R1.fasta' #output joined fasta
n1 = 0
n2 = 0
for rec1 in SeqIO.parse(R1, 'fasta'): #exam every record in R1 file one by one
n1 = int(rec1.id[5:])
r = rec1
for rec2 in SeqIO.parse(R2,'fasta'):
n2 = int(rec2.id[5:])
if n1 == n2:
seq = rec1.seq+'--------------------'+rec2.seq
r.seq = seq
output = open(R, 'aw') # write to a new fasta file
SeqIO.write(r, output, 'fasta')
break
elif n1 < n2:
else: pass