#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应

我们有一下文本：dssp1a45.dssp

要求提取出文本中氨基酸序列的名称和结构，并是他们整行相互对应，其中结构序列中的空格用'_'代替。

输出格式为两行信息：GKITFYEDRGFQGRHYECSSDHSNLQPYFSRCNSIRVDSGCWMLYEQPNFQGPQYF...
_EEEEEEETTTEEEEEEE_S_BS__TTT_S__SEEEEEESEEEEESSGGG...

拿到文本文件.dssp(类似于.txt)

我们发现我们的目的信息在文本文件中的红色区域的蓝色框中，其余信息全部都是不需要的，我们要把其余区域清除掉，提取出这两列信息，并且对应输出，这便是思路！

第一步：
file = open('dssp1a45.dssp','r')            #以读取方式打开文件
str = ''.join(file.readlines()[28:])        # 删除检索内容以外的首部
file2 = open('new.txt','w')                 #将删除后的文件写入new.txt
file2.write(str)
f = open("new.txt",'r')
我们这时候把红色区域上面的多余部分就排除掉了。

其中file.readlines()[28:]表示读取文件28行以下的内容即为红色区域。

str=''.join() 表示把括号内的列表强制转换成字符串str，并且元素间不加任何分隔符。

之后再创建一个file2:new.txt。

将str写入new.txt.并用接收可读来打开他

第二步：

我们得到的new.txt文件如下，自动保存在我们的相同目录内。

一会儿用完再删除，卸磨杀驴！

所以接下来我们提取这里面的三/四两列信息出来就欧克了

注意这个是字符串文本，表面上看是3/4两列，其实不是，中间有空格，好好数数应该是第14列和第17列，迭代提取出来！
a = f.readlines()                           #对文本f进行列表迭代
acid = 13
stucture = 16                               #找到氨基酸和结构所在列数
aa =""                                      #预定义两个空字符串空间来存放氨基酸序列和结构序列
stc=""
i = 0
for line in a:                              #迭代每个行列表，并提取氨基酸和结构所对应的列元素aa  += a[i][acid]stc += a[i][stucture]for b in stc:                           # 迭代结构序列new_name = stc.replace(" ", '_')    # 将结构序列中的空格改成下划线i+=1
final = aa+ '\n' +new_name                  #计算结果
print(final)                                #打印结果
注释非常明确。

值得注意的是，其实在python中处理字符串就相当于是在C中对数组进行处理，这里面类似二维数组的一个处理方式我们的a[i]表示的是每一整行。

a[i][j]表示的是第i行第j个元素，通过数元素我们发现氨基酸和对应结构的j的值是14和17，

对应的j应该是13和16，

所以我们迭代出每行的氨基酸和对应结构就很容易了。

然后我们把读取到的氨基酸和结构序列分别存放到一个空的字符串aa和stc里面。

修改空格成为'_' ：我们引入了第二个for循环，目的是把stc里面读到的空格修改，所以对stc进行迭代，用replace函数进行修改以后，将新的修改好的字符串存入new_name字符串中，所以我们最后的修改好的结构序列和氨基酸序列进行final的运算（如代码框内所示），就可以得到如下结果了：

第三步：

收尾工作要做好
file3=open('dssp1a45.ss','w')
file3.write(final)                          #将最后的结果写入file3并保存为dssp1a45.ss
file3.close()                               #注意关闭使用过的所有文件！
f.close()
file2.close()
file.close()
#import os                                    调用os
# os.remove('new.txt')                        #所有文件关闭后，删除辅助操作用的文件
我们可以把我们得到的结果这样写入一个文件中，最后关闭掉我们中途使用过的文件，并且把过度文件new.txt删除，我们的目录就会非常干净了！

#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应相关推荐

知识图谱——用Python代码从文本中挖掘信息的强大数据科学技术
什么是知识图谱? 如何在图谱中表示知识? 依靠文本数据构建知识图谱什么是知识图谱? 先明确一个概念:在本文中经常出现的术语"图谱",并不是指柱状图.饼状图或线状图,而是相互关联的 ...
matlab如何提取某一列的数据_MATLAB如何提取某一矩阵的某一列的部分数据？
展开全部使用2113a(M,N)可以提取矩阵a中符合5261M,4102N要求的部分最简单1653是M,N都是标量,就是一回个数例如:答 a(1,1) a(2,3)分别返回a矩阵1行1列的单元和 ...
linux命令中提取某一列,怎么用Linux命令提取表格文本中的某列
如何用Linux命令提取表格文本中的某列文本文件x.txt内容如下: kaa a:\dkdkdk 123 dfdfdf b:\xxxxxxxxx 3234 j你好x c:\fdfdfv 打开我现在 ...
使用Palette类提取图片的颜色信息
原文出处:http://qichaochen.github.io/2014/11/16/105-Android-5.0-Palette-01/ 在Material Design设计中很重要的一部分内容 ...
Python数据类型(二)文本类型-str
Python中处理文本数据使用由Unicode编码构成的不可变序列字符串-str对象.字符串表达形式如下: .单引号 'This article describes information about ...
Python easyOCR图像文本提取初识
博物馆一日游,拍照片无数.分类整理,希望图片中的文字进行识别,加上各展馆.各展品的说明. 手工一张张的整理,慢,累,要老命...... 还好,模块化.低代码时代,效率.性能.界面.易用 ...
python中文文本分词_SnowNLP：?中文分词?词性标准?提取文本摘要,?提取文本关键词,?转换成拼音?繁体转简体的处理中文文本的Python3 类库...
SnowNLP是一个python写的类库,可以方便的处理中文文本内容,是受到了TextBlob的启发而写的,由于现在大部分的自然语言处理库基本都是针对英文的,于是写了一个方便处理中文的类库,并且和Te ...
python提取高频词_cygwin下用Python+jieba给文本分词并提取高频词
本文信息本文由方法SEO顾问发表于2015-05-3023:05:55,共 2000 字,转载请注明:cygwin下用Python+jieba给文本分词并提取高频词_[方法SEO顾问],如果我网站的文 ...
python表格多列合并_python 合并excel表格数据-如何用python从excel中同时提取两个列的数据，并生成dict（用xlrd）...
用Python导出工程文件两个子页里的数据成为两个excel表格,但我想把它合并成个一个excel表格的两个sheet 可以采用一些操作Excel块去实现,比如xlrd.xlwt.openpyxl.x ...
python中文文本分析和提取_python str(使用python对txt文本进行分析和提取)
python 文本文件数据处理 #/usr/bin/env python3 # -*- coding: utf-8 -*- def zhidao_560604345(infile, outfile): ...

#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应

#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应相关推荐

最新文章

热门文章

#python#生物信息学 提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应

#python#生物信息学 提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应相关推荐

最新文章

热门文章

#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应

#python#生物信息学提取文本某列信息 #提取氨基酸序列并且提取氨基酸结构序列与之对应相关推荐