Schleife über IDs von zwei FASTA-Dateien

Question

Ich habe zwei fasta Dateien mit mehreren Sequenzen

cat file1.fasta 
>1 
ACGTCGAT 
>2 
ACTTTATT 
>3 
ACGGGG 

cat file2.fasta 
>1 
CCGGAGC 
>2 
TGTCAGTC 
>3 
CTACGTCTT 

Ich habe auch eine Liste von IDs für jede fasta Datei, die ich spezifische Sequenzen von ID zu extrahieren verwenden möchten, stellen Sie eine 2 Sequenz fasta und dann einige Operationen (align, calc distance).

Listen:

cat file1.list 
1 
3 
cat file2.list 
2 
1 

In Wirklichkeit dieser fasta Dateien und Listen sind Tausende von Sequenzen/Zeilen lang

ich in den Listen über jede Zeile Schleife versuchen die fasta Datei zu extrahieren, dass Spiele bestimmte ID/Zeile, dann kombinieren Sie die Fasta-Sequenz aus jeder Datei in eine zwei Sequenz Fasta-Datei, die ausgerichtet werden kann, usw. Grundsätzlich möchte ich eine paarweise Ausrichtung von jeder Fasta-Sequenz mit seinem "Paar". Also, basierend auf dem Beispiel hier und der Reihenfolge der Listen-ID, möchte ich die Fasta-Sequenz 1 von file1.fasta mit Fasta-Sequenz 2 von file2.fasta paaren und dann mit dem nächsten Paar fortfahren (Sequenz 3 von Datei1). Fasta, und Sequenz 1 von file2.fasta, etc). Extrahieren von Fasta-Sequenzen basierend auf ID ist relativ einfach (ein paar Möglichkeiten, es zu tun), aber man ist faOneRecord, die nur als Eingabe die Fasta-Datei, aus der Sie extrahieren möchten, dann den Datensatz/ID, die Sie finden möchten, und gibt das Fasta zurück Sequenz und Header:

faOneRecord <in.fa> <recordName> 

so, nach der ersten Schleife, würde ich diese Datei auf der Grundlage der ID-Liste erstellt hat:

>1 
ACGTCGAT 
>2 
TGTCAGTC 

und so weiter.

Ich würde denken, das ist relativ einfach zu tun, aber ich kann nicht scheinen, dorthin zu gelangen. Dann, sobald ich diese 2 Sequenz fasta, jede Schleife mache, möchte ich ausrichten und Entfernungsschätzungen erhalten, in eine Datei ausdrucken und zur nächsten Schleife gehen. Der Rest davon kann etwas Arbeit erfordern und erfordert spezielle Programme, aber ich brauche Hilfe, nur die 2 Sequenz Fasta extrahiert/über die Ids Looping zu produzieren.

Ich denke, die große Frage ist, wie über die IDs Schleife und dann Rohr diese IDs als Argumente in den faOneRecord Befehl

Dies könnte zu spezifisch sein, und wenn ja, entschuldige ich mich, aber alle Ideen auf, wie man gestartet wäre hilfreich und sehr geschätzt.

Answer 1

Hier ist eine (unvollständige) Skizze einer Python-Lösung. Wie ich im Kommentar gesagt habe, gibt es zwei Schritte:

Zuerst lesen Sie beide Dateien in Arrays. Wenn Sie sicher sind, sind sie genau wie in Ihrem Beispiel, können Sie einfach die >x Linien ignorieren:

fasta1 = [''] # make sure the first item is saved to fasta1[1], not fasta[0] 
for line in open('file1.fasta'): 
    if not line.startswith('>'): 
     fasta1.append(line.strip()) 

Die for line in open() einfach die Datei und iteriert über seine Linien eröffnet.

Machen Sie dasselbe für Datei2.Dann können Sie die list Dateien abwechselnd lesen, bekommen Sie die Zahlen aus und drucken Sie die passende Sequenz:

for l1, l2 in zip(open('file1.list'), open('file2.list')): 
    print(fasta1[int(l1)]) 
    print(fasta2[int(l1)]) 

zip nimmt die beiden Dateien und liest sie parallel, so dass das erste Mal wird die Schleife ausgeführt, l1 und l2 enthalten die erste Zeile von file1.list bzw. file2.list; das zweite Mal, es ist die zweite Zeile von jedem usw.