Fragmenter une sequence (fichier FASTA) :

Version imprimable

1 pièce(s) jointe(s)

J'ai réaliser un programme dans python afin de fragmenter une longue séquence protéique de plus de 600 acides aminés en petits fragments de 200aa et les sauvegarder dans des sous fichiers ,mais ca fonctionne pas quand je ferais l'exécution...

Code:

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
from Bio import SeqIO
from Bio.Seq import Seq
 
def LireFASTA(chemin):
    print("------------------------------ Lecture ------------------------------")
 
 
    seqs = [] 
    for record in SeqIO.parse(chemin, "fasta"):
        seqs.append(str(record.seq))
    return seqs
def fragmentersequence(seq):
    print("......................Fragmenter..................")
 
    fragment_sequence = []
    j=0
    n=0
    m=200
    if len(seq)>600 :     
        for i in seq:
                fragment_sequence= i[n:m]
                n=n+200
                m=m+200
                j=j+1
                print(fragment_sequence)
                count = SeqIO.write(fragment_sequence, "E:/fragment"+ str(j)+".txt", "fasta")
def program():
   chemin=input ("entrez chemin : ")
   res= LireFASTA(chemin)
   fragmentersequence(res)
 
if __name__ == '__main__':
   program()

17/12/2018, 10h20
Gardyen

Bonjour,

Tout d'abord pour afficher du code utilise la balise CODE (le signe #) pour un meilleur formatage.

Ensuite nous sommes dans un forum perl, le forum python serait plus approprié.

Enfin, il existe une fonction split pour faire ce découpage.

Bon courage !
17/12/2018, 17h24
CosmoKnacki
Ta fonction LireFASTA() renvoie une liste de plusieurs séquences (une liste de chaîne de caractères) alors que ta fonction fragmentersequence() prend en paramètre une seule séquence (une chaîne de caractères).

Or dans la fonction program() tu passes la liste renvoyée par LireFASTA() à ta fonction fragmentersequence() qui attend une simple chaîne. Ça ne peut pas marcher.

La logique de fragmentersequence() n'a pas l'air bonne: boucler sur chaque caractère avec for i in seq: est une idée plutôt bizarre. La seule chose sur laquelle il faut te concentrer, c'est la longueur de la séquence et les positions où tu vas faire tes découpages, pas besoin de passer tous les acides aminés en revue. Donc une boucle conditionnelle qui compare la position du début de ta fenêtre (n dans ton code) avec la taille de la séquence serait plus appropriée.

Certaines choses ne sont pas claires dans ta question:
- Est-ce que ton fichier fasta de départ contient plusieurs séquences? Et si oui, ton programme doit-il toutes les traiter? (ceci implique de trouver une manière de nommer les fichiers automatiquement d'après la description de la protéine du fichier fasta.)
- Dans le cas où une séquence dépasse les 600 acides aminés, les fichiers résultants doivent-ils aussi être au format fasta (c'est à dire commençant par une description du type:>sp|Q6GZW6|009L_FRG3G Putative helicase 009L OS=Frog virus 3 (isolate Goorha) OX=654924 GN=FV3-009L PE=4 SV=1) ou doivent-ils juste contenir le morceau de séquence?