基于位置信息批量替换FASTA文件中指定链的字符

步骤说明 #

假设你的test.fa格式为6行（每个链占2行：标题行+序列行），示例如下：

chain A
ABCDEFG
chain B
HIJKLMN
chain C
OPQRSTU

test.list每行以空格分隔，第三列对应chain A的替换规则（值为K时替换对应位置为0），第四列对应chain B（值为E时替换对应位置为1），每行对应序列的一个位置（第1行对应序列第0位，以此类推）。

完整Python脚本 #

def read_fasta(fasta_path):
    chains = {}
    current_chain = None
    with open(fasta_path, 'r') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue
            if line.startswith('>'):
                # 提取链名（如从">chain A"中取出"A"）
                current_chain = line.split()[1]
                chains[current_chain] = []
            else:
                chains[current_chain].append(line)
    # 将序列片段合并为完整字符串
    for chain in chains:
        chains[chain] = ''.join(chains[chain])
    return chains

def process_list(list_path, chains):
    # 字符串不可直接修改，转成列表操作
    chain_seqs = {k: list(v) for k, v in chains.items()}
    with open(list_path, 'r') as f:
        for idx, line in enumerate(f):
            line = line.strip()
            if not line:
                continue
            cols = line.split()
            # 处理chain A：第三列（索引2）为"K"时替换对应位置为"0"
            if len(cols) >= 3 and cols[2] == 'K':
                if idx < len(chain_seqs.get('A', [])):
                    chain_seqs['A'][idx] = '0'
            # 处理chain B：第四列（索引3）为"E"时替换对应位置为"1"
            if len(cols) >= 4 and cols[3] == 'E':
                if idx < len(chain_seqs.get('B', [])):
                    chain_seqs['B'][idx] = '1'
            # 如需添加其他链的规则，在这里扩展即可，比如：
            # if len(cols) >=5 and cols[4] == 'X':
            #     if idx < len(chain_seqs.get('C', [])):
            #         chain_seqs['C'][idx] = '2'
    # 列表转回字符串
    updated_chains = {k: ''.join(v) for k, v in chain_seqs.items()}
    return updated_chains

def write_fasta(chains, output_path):
    with open(output_path, 'w') as f:
        for chain, seq in chains.items():
            f.write(f'>chain {chain}\n')
            f.write(f'{seq}\n')

if __name__ == '__main__':
    # 根据实际文件路径修改
    fasta_files = ['test.fa', 'other.fa']  # 多个FASTA文件的列表
    list_path = 'test.list'
    
    for fasta_path in fasta_files:
        # 生成输出文件名，避免覆盖原文件
        output_path = f'modified_{fasta_path}'
        # 读取原始序列
        chains = read_fasta(fasta_path)
        # 执行替换逻辑
        updated_chains = process_list(list_path, chains)
        # 写入修改后的文件
        write_fasta(updated_chains, output_path)

使用说明 #

1. 将脚本保存为modify_fasta.py
2. 修改脚本中fasta_files和list_path为你的实际文件路径
3. 运行脚本：python modify_fasta.py
4. 修改后的文件会以modified_原文件名.fa的形式保存，不会覆盖原文件

关键细节 #

• 脚本会自动跳过空行，避免处理无效内容
• 加入了索引越界判断，防止test.list行数超过序列长度时出错
• 支持批量处理多个FASTA文件，只需在fasta_files列表中添加文件名即可

内容的提问来源于stack exchange，提问作者Jalan