Wie überprüft man, ob ein Listenelement eine Regex in Python enthält?

Question

Ich habe eine Datei mit Informationen über Sequenzen. Jede Sequenz hat einige Zeilen. Die Sequenzen sind durch fünf weiße Linien getrennt. Ich möchte die Datei in eine Liste ändern und sie durch 5 Zeilenumbrüche teilen. Damit ich eine Liste habe, mit jeder Sequenz als ein Element. Dann möchte ich die Sequenzen entfernen, die den regulären Ausdruck nicht enthalten. Am Ende möchte ich eine Liste mit nur den Sequenzen, die die Regex enthalten.

Jetzt habe ich das. Kann mir jemand weiterhelfen?

import re 
def main(): 
    ReadFile() 
    file = open ("filename.txt", "r") 
    CreateList(file, data) 
    RegEx(file, data) 

def ReadFile() 
    try: 
     file = open ("filename.txt", "r") 
    except IOError: 
     print ("Can't open the file") 
    except: 
     print ("Something went wrong.") 

def CreateList(file, data) 
    data = file.readlines() 
    data = data.split('\n\n\n\n\n') 

def RegEx(file, data) 
    regex = ("[AG].{4}GK[ST]") 
    for element in data: 
     if regex not in element: 
      data.remove(element) 
    print (data) 

main() 

Datei wie folgt aussieht:

Hits for PS00017|ATP_GTP_A (pattern) ATP/GTP-binding site motif A (P-loop) : [occurs frequently] 
    Pattern: [AG]-x(4)-G-K-[ST] 
    Approximate number of expected random matches in ~ 100'000 sequences (50'000'000 residues): 3371 


>sp|Q6GZX2|003R_FRG3G (438 aa) 
Uncharacterized protein 3R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MARPLLGKTSSVRRRLESLSACSIFFFLRKFCQKMASLVFLNSPVYQMSNILLTERRQVDRAMGGSDDDGVMVVALSPSD 
FKTVLGSALLAVERDMVHVVPKYLQTPGILHDMLVLLTPIFGEALSVDMSGATDVMVQQIATAGFVDVDPLHSSVSWKDN 
VSCPVALLAVSNAVRTMMGQPCQVTLIIDVGTQNILRDLVNLPVEMSGDLQVMAYTKDPLGKVPAVGVSVFDSGSVQKGD 
AHSVGAPDGLVSFHTHPVSSAVELNYHAGWPSNVDMSSLLTMKNLMHVVVAEEGLWTMARTLSMQRLTKVLTDAEKDVMR 
AAAFNLFLPLNELRVMGTKDSNNKSLKTYFEVFETFTIGALMKHSGVTPTAFVDRRWLDNTIYHMGFIPWGRDMRFVVEY 
DLDGTNPFLNTVPTLMSVKRKAKIQEMFDNMVSRMVTS 
     2 - 9:   ArpllGKT 


>sp|Q6GZX1|004R_FRG3G (60 aa) 
Uncharacterized protein 004R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MNAKYDTDQGVGRMLFLGTIGLAVVVGGLMAYGYYYDGKTPSSGTSFHTASPSFSSRYRY 
     33 - 40:  GyyydGKT 


>sp|Q6GZW0|015R_FRG3G (322 aa) 
Uncharacterized protein 015R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MEQVPIKEMRLSDLRPNNKSIDTDLGGTKLVVIGKPGSGKSTLIKALLDSKRHIIPCAVVISGSEEANGFYKGVVPDLFI 
YHQFSPSIIDRIHRRQVKAKAEMGSKKSWLLVVIDDCMDNAKMFNDKEVRALFKNGRHWNVLVVIANQYVMDLTPDLRSS 
VDGVFLFRENNVTYRDKTYANFASVVPKKLYPTVMETVCQNYRCMFIDNTKATDNWHDSVFWYKAPYSKSAVAPFGARSY 
WKYACSKTGEEMPAVFDNVKILGDLLLKELPEAGEALVTYGGKDGPSDNEDGPSDDEDGPSDDEEGLSKDGVSEYYQSDL 
DD 
     34 - 41:  GkpgsGKS', 


>sp|P32234|128UP_DROME (368 aa) 
GTP-binding protein 128up. [Drosophila melanogaster (Fruit fly)] 
MSTILEKISAIESEMARTQKNKATSAHLGLLKAKLAKLRRELISPKGGGGGTGEAGFEVAKTGDARVGFVGFPSVGKSTL 
LSNLAGVYSEVAAYEFTTLTTVPGCIKYKGAKIQLLDLPGIIEGAKDGKGRGRQVIAVARTCNLIFMVLDCLKPLGHKKL 
LEHELEGFGIRLNKKPPNIYYKRKDKGGINLNSMVPQSELDTDLVKTILSEYKIHNADITLRYDATSDDLIDVIEGNRIY 
IPCIYLLNKIDQISIEELDVIYKIPHCVPISAHHHWNFDDLLELMWEYLRLQRIYTKPKGQLPDYNSPVVLHNERTSIED 
FCNKLHRSIAKEFKYALVWGSSVKHQPQKVGIEHVLNDEDVVQIVKKV 
     71 - 78:  GfpsvGKS 

Daten sollten es sein (aber nur Proteine, die die RegEx enthält):

['>sp|Q6GZX2|003R_FRG3G (438 aa) 
Uncharacterized protein 3R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MARPLLGKTSSVRRRLESLSACSIFFFLRKFCQKMASLVFLNSPVYQMSNILLTERRQVDRAMGGSDDDGVMVVALSPSD 
FKTVLGSALLAVERDMVHVVPKYLQTPGILHDMLVLLTPIFGEALSVDMSGATDVMVQQIATAGFVDVDPLHSSVSWKDN 
VSCPVALLAVSNAVRTMMGQPCQVTLIIDVGTQNILRDLVNLPVEMSGDLQVMAYTKDPLGKVPAVGVSVFDSGSVQKGD 
AHSVGAPDGLVSFHTHPVSSAVELNYHAGWPSNVDMSSLLTMKNLMHVVVAEEGLWTMARTLSMQRLTKVLTDAEKDVMR 
AAAFNLFLPLNELRVMGTKDSNNKSLKTYFEVFETFTIGALMKHSGVTPTAFVDRRWLDNTIYHMGFIPWGRDMRFVVEY 
DLDGTNPFLNTVPTLMSVKRKAKIQEMFDNMVSRMVTS 
     2 - 9:   ArpllGKT', 


'>sp|Q6GZX1|004R_FRG3G (60 aa) 
Uncharacterized protein 004R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MNAKYDTDQGVGRMLFLGTIGLAVVVGGLMAYGYYYDGKTPSSGTSFHTASPSFSSRYRY 
     33 - 40:  GyyydGKT', 


'>sp|Q6GZW0|015R_FRG3G (322 aa) 
Uncharacterized protein 015R. [Frog virus 3 (isolate Goorha) (FV-3)] 
MEQVPIKEMRLSDLRPNNKSIDTDLGGTKLVVIGKPGSGKSTLIKALLDSKRHIIPCAVVISGSEEANGFYKGVVPDLFI 
YHQFSPSIIDRIHRRQVKAKAEMGSKKSWLLVVIDDCMDNAKMFNDKEVRALFKNGRHWNVLVVIANQYVMDLTPDLRSS 
VDGVFLFRENNVTYRDKTYANFASVVPKKLYPTVMETVCQNYRCMFIDNTKATDNWHDSVFWYKAPYSKSAVAPFGARSY 
WKYACSKTGEEMPAVFDNVKILGDLLLKELPEAGEALVTYGGKDGPSDNEDGPSDDEDGPSDDEEGLSKDGVSEYYQSDL 
DD 
     34 - 41:  GkpgsGKS', 


'>sp|P32234|128UP_DROME (368 aa) 
GTP-binding protein 128up. [Drosophila melanogaster (Fruit fly)] 
MSTILEKISAIESEMARTQKNKATSAHLGLLKAKLAKLRRELISPKGGGGGTGEAGFEVAKTGDARVGFVGFPSVGKSTL 
LSNLAGVYSEVAAYEFTTLTTVPGCIKYKGAKIQLLDLPGIIEGAKDGKGRGRQVIAVARTCNLIFMVLDCLKPLGHKKL 
LEHELEGFGIRLNKKPPNIYYKRKDKGGINLNSMVPQSELDTDLVKTILSEYKIHNADITLRYDATSDDLIDVIEGNRIY 
IPCIYLLNKIDQISIEELDVIYKIPHCVPISAHHHWNFDDLLELMWEYLRLQRIYTKPKGQLPDYNSPVVLHNERTSIED 
FCNKLHRSIAKEFKYALVWGSSVKHQPQKVGIEHVLNDEDVVQIVKKV 
     71 - 78:  GfpsvGKS'] 

Answer 1

import re 
file = open("ploop.txt") 
text = file.read() 
file.close() 

proteins = text.split("\n\n")[1:] 
proteinsMatching = [] 
toWrite = "" 

for protein in proteins: 
    if re.search(r"[AG].{4}GK[ST]", protein): 
     proteinsMatching.append(protein)   


for protein in proteinsMatching: 
    accensionCode = re.findall(r">sp\|(.{6})", protein)[0] 
    organism = re.findall(r"\n.+?\[(.+?)\]", protein)[0] 
    print(accensionCode, organism) 
    toWrite += accensionCode + " " + organism + "\n" 

f = open("results.txt", "w+") 
f.write(toWrite) 
f.close() 

# Q6GZX2 Frog virus 3 (isolate Goorha) (FV-3) 
# Q6GZX1 Frog virus 3 (isolate Goorha) (FV-3) 
# Q6GZW0 Frog virus 3 (isolate Goorha) (FV-3) 
# P32234 Drosophila melanogaster (Fruit fly) 

aktualisiert (wieder) für neue Anforderungen

Regex1 (Textdatei in Liste von p aufteilen roteins :) https://regex101.com/r/gU0gX5/1

Regex2 (Ihre regex zeigen, dass sie alle Spiel) https://regex101.com/r/nZ0pD6/1