使用Python和Biopython合并FASTA文件的代码故障求助

第一个版本报错原因 #

SeqIO.write()要求传入的第一个参数是SeqRecord对象组成的可迭代对象，你第一次代码里定义的output = [infile1, infile2]是两个文件名字符串组成的列表，字符串没有id属性，因此触发AttributeError。

第二个版本读取失败原因 #

第二个版本的合并逻辑是正确的，list(chain(seq1, seq2))确实可以把两个SeqRecord列表合并，现在读取第二个文件得到的序列数为0，问题出在第二个FASTA文件本身的读取环节，和合并逻辑无关。

• 首先验证第二个文件的基础属性：在运行脚本的目录执行ls -lh banco_de_dados_ITS.fasta，确认文件大小不为0，且运行脚本的用户有该文件的读权限。
• 单独测试第二个文件的读取有效性，运行如下测试代码：

from Bio import SeqIO
seq_list = list(SeqIO.parse("banco_de_dados_ITS.fasta", "fasta"))
print("读取到的序列数：", len(seq_list))
# 如果长度为0，打印文件原始内容检查格式
if len(seq_list) == 0:
    with open("banco_de_dados_ITS.fasta", "r") as f:
        print(f.read()[:200]) # 打印前200个字符看格式是否正常

• 检查FASTA格式合规性：
  • 每个序列必须以>开头作为ID行，ID行后紧跟序列行
  • 序列中不能出现未被识别的非法字符
  • 如果文件是在Windows系统下生成的，检查是否带有UTF-8 BOM头，Python2的BioPython解析器无法识别带BOM的文件，可以用文本编辑器转成无BOM的UTF-8格式，或者读取的时候先去掉BOM头。

支持任意多个输入FASTA文件，不用固定为2个输入：

import sys
from Bio import SeqIO
from itertools import chain

# 使用方法：python join_fasta.py 输入1.fasta 输入2.fasta 输入3.fasta ... 输出.fasta
if len(sys.argv) < 3:
    print("参数错误，使用方法：python join_fasta.py 输入1.fasta [输入2.fasta ...] 输出.fasta")
    sys.exit(1)

infiles = sys.argv[1:-1]
outfile = sys.argv[-1]

all_seq = []
for idx, fname in enumerate(infiles):
    seqs = list(SeqIO.parse(fname, "fasta"))
    print("第{}个输入文件：{}，读取到序列数：{}".format(idx+1, fname, len(seqs)))
    all_seq.append(seqs)

all_seq = list(chain.from_iterable(all_seq))
print("合并后总序列数：{}".format(len(all_seq)))

SeqIO.write(all_seq, outfile, "fasta")
print("结果已写入：{}".format(outfile))

内容的提问来源于stack exchange，提问作者Pedro Henrique