Discussion :

[thdurand4]

Bonjour après avoir lancé mon script Python/BioPython j'obtiens un fichiers résultats avec plusieurs séquences de Protéines :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
>NW_020169394.1_41 [10497-10619]|KE647364.1_346 [38084-37959]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE646921.1_20 [383-240]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE647277.1_227 [70875-70720]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>KE647068.1_7 [1546-1641]|KB908960.1_74 [31221-31316]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE
 
>KE647068.1_7 [1546-1641]|KB909349.1_29 [13746-13651]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE

J'aimerai savoir comment faire pour pouvoir traiter ce fichier et obtenir un résultat de ce type :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
>NW_020169394.1_41 [10497-10619]|KE647364.1_346 [38084-37959] | KE646921.1_20 [383-240] | KE647277.1_227 [70875-70720] 
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET    
 
>KE647068.1_7 [1546-1641] |KB908960.1_74 [31221-31316] | KB909349.1_29 [13746-13651]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE

J'ai essayé en utilisant des expressions régulières mais je galère et ne parviens pas a réussir si quelqu'un à une idée de comment faire je vous remercie.

Merci de votre réponse

[wiztricks]

Salut,

J'ai essayé en utilisant des expressions régulières mais je galère et ne parviens pas a réussir si quelqu'un à une idée de comment faire je vous remercie.

Vous avez deux problèmes à résoudre:

1. découper les séquences puisque vous voulez regrouper certaines parties en fonction du début,
2. faire les "regroupements" en fonction d'un début de ligne commun.

Enfin mettre en forme tout çà pour que ça fasse la chaine de caractères attendue.

Les expressions régulières pourraient aider à découper les séquences mais une séquence commence avec la ligne qui débute par ">" et le début de ligne commun pour faire les regroupement se récupère avec .split('|'). Ce qui est assez basique.

Mais le gros du boulot est dans la suite...

- W

[Invité]

Salut !
Il existe plein de méthodes !

En voilà une pas très jolie, les pros t'en proposeront des meilleures :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
#Je découpe chaque paragraphe en 3 : 
#[['>NW_020169394.1_41 [10497-10619]'  ,  'KE647364.1_346 [38084-37959]' , 'MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET'] , ... ]
lines = [[x.split('|')[0], x.split('|')[1].split('\n')[0], x.split('\n')[1]] for x in code.split('\n \n')]
 
#Je créé un dictionnaire avec comme clé le premier élément (ex : '>NW_020169394.1_41 [10497-10619]')
# des sous-listes que je viens de créer plus haut, à laquelle j'attribue une liste composé des deux autres 
# éléments de la sous-liste (ex : ['|KE647364.1_346 [38084-37959]' , '|MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET'])
dico = {}
for x,y,z in lines:
	try:
		dico[x][0]+=" |"+y #Ici je rajoute juste le second élément (ex : '|KE646921.1_20 [383-240]')
	except:
		dico[x]=["|"+y,z]
 
for x in dico:
	print(x, dico[x][0],'\n',dico[x][1])

Résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>NW_020169394.1_41 [10497-10619] |KE647364.1_346 [38084-37959] |KE646921.1_20 [383-240] |KE647277.1_227 [70875-70720] 
 MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
>KE647068.1_7 [1546-1641] |KB908960.1_74 [31221-31316] |KB909349.1_29 [13746-13651] 
 MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE

Voila, j'espère qu'il n'y a pas d'erreur dans le résultat j'ai pas vérifié.

(try except ma passion ! Pi je me rappelais plus de la fonction setdefault)

[thdurand4]

Salut !
Il existe plein de méthodes !

En voilà une pas très jolie, les pros t'en proposeront des meilleures :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
#Je découpe chaque paragraphe en 3 : 
#[['>NW_020169394.1_41 [10497-10619]'  ,  'KE647364.1_346 [38084-37959]' , 'MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET'] , ... ]
lines = [[x.split('|')[0], x.split('|')[1].split('\n')[0], x.split('\n')[1]] for x in code.split('\n \n')]

Bonjour, Merci pour votre réponse cependant à quoi correspond le code.split ici ?

[Invité]

Bonjour, Merci pour votre réponse cependant à quoi correspond le code.split ici ?

Oups pardon, la variable code c'est votre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
code = '''>NW_020169394.1_41 [10497-10619]|KE647364.1_346 [38084-37959]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE646921.1_20 [383-240]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE647277.1_227 [70875-70720]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>KE647068.1_7 [1546-1641]|KB908960.1_74 [31221-31316]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE'''

Ne sachant pas trop comment l'information était transmise, j'ai considéré qu'il s'agissait d'un string...
Si ce n'est pas le cas, il peut être plus simple de transformer la réponse ou plus compliqué...

[jurassic pork]

hello,
un truc vite fait sur le gaz avec des expressions régulières (certainement à optimiser) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import re
chaine=""""
>NW_020169394.1_41 [10497-10619]|KE647364.1_346 [38084-37959]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE646921.1_20 [383-240]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>NW_020169394.1_41 [10497-10619]|KE647277.1_227 [70875-70720]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
 
>KE647068.1_7 [1546-1641]|KB908960.1_74 [31221-31316]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE
 
>KE647068.1_7 [1546-1641]|KB909349.1_29 [13746-13651]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE
"""
 
p1 = re.compile('(>.+)(\|.*\])')
capture1 = p1.findall(chaine)
print(capture1)
p2= re.compile('^(\w+)$', re.MULTILINE)
capture2 = p2.findall(chaine)
i=0
oldelem1 = ''
oldelem3 = ''
multielem2 = ''
for t1 in capture1:
    elem1 = list(t1)[0]
    elem2 = list(t1)[1]
    elem3 = capture2[i]
    i+=1
    if oldelem1 != elem1:
        print(oldelem1 + multielem2)
        print(oldelem3)
        multielem2 = elem2
    else:
        multielem2 = multielem2 + elem2
    oldelem1 = elem1
    oldelem3 = elem3
print(oldelem1 + multielem2)
print(oldelem3)

Résultat :

>NW_020169394.1_41 [10497-10619]|KE647364.1_346 [38084-37959]|KE646921.1_20 [383-240]|KE647277.1_227 [70875-70720]
MDQLSRKLNLTYLKVGILTSQNEFVTKHLLIIKGLKIFTET
>KE647068.1_7 [1546-1641]|KB908960.1_74 [31221-31316]|KB909349.1_29 [13746-13651]
MFYTALFLNVIIYYNLYKDFLSHLFSKIYYKE

Ami calmant, J.P

[jurassic pork]

en plus simple avec une seule regex :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
p1 = re.compile('(>.+)(\|.*\])\n(\w+)\n')
capture1 = p1.findall(chaine)
#print(capture1)
oldelem1 = ''
oldelem3 = ''
multielem2 = ''
for t1 in capture1:
    elem1 = list(t1)[0]
    elem2 = list(t1)[1]
    elem3 = list(t1)[2]
    if oldelem1 != elem1:
        print(oldelem1 + multielem2)
        print(oldelem3)
        multielem2 = elem2
    else:
        multielem2 = multielem2 + elem2
    oldelem1 = elem1
    oldelem3 = elem3
print(oldelem1 + multielem2)
print(oldelem3)

Ami calmant, J.P