Skip to main content
se añadieron 719 caracteres en el cuerpo
Origen Enlace
FJSevilla
  • 62.1k
  • 7
  • 43
  • 68

Si quieres que el registro sea nombrado según la cabecera (siempre que las cabeceras dentro de un fichero sean únicas) puedes modificar la función registros:

def registros(fichero):
    registros = collections.OrderedDict()
    for linea in fichero:
        if linea.startswith('>'):
            nombre = linea[1:].strip()
            registros[nombre] = collections.Counter()
        else:
            registros[nombre].update(linea)
    return registros

Las función presupone que la primera línea del fichero siempre va a ser una cabecera (o un archivo vacío), nunca una línea en blanco o cualquier otra cosa. Si cabe la posibilidad de que esto no sea así habría que tenerlo en cuenta.

Si quieres que el registro sea nombrado según la cabecera (siempre que las cabeceras dentro de un fichero sean únicas) puedes modificar la función registros:

def registros(fichero):
    registros = collections.OrderedDict()
    for linea in fichero:
        if linea.startswith('>'):
            nombre = linea[1:].strip()
            registros[nombre] = collections.Counter()
        else:
            registros[nombre].update(linea)
    return registros

Las función presupone que la primera línea del fichero siempre va a ser una cabecera (o un archivo vacío), nunca una línea en blanco o cualquier otra cosa. Si cabe la posibilidad de que esto no sea así habría que tenerlo en cuenta.

Origen Enlace
FJSevilla
  • 62.1k
  • 7
  • 43
  • 68

Puedes usar collections.Counter para contar las bases de cada línea. Para saber si es ARN u ADN basta con que comprobemos si la clave "U" está o no en el diccionario.

También es importante, sobre todo si vas a trabajar con archivos relativamente grandes, no recorrerlos más de una vez.

Hay múltiples formas de organizar el código, una de ellas puede ser:

import collections
import os



def registros(fichero):
    registros = collections.OrderedDict()
    contador = 0
    for linea in fichero:
        if linea.startswith('>'):
            contador += 1
            registros[contador] = collections.Counter()
        else:
            registros[contador].update(linea)
    return registros

def parse_fasta(path):
    try:
        with open(path, 'r') as f:
            if os.path.isfile(path): 
                print('Se encontró Fichero Fasta:', fichero)
                regs = registros(f)
                print("El fichero {} contiene {} registros con el siguiente contenido de bases:".format(fichero, len(regs)))
                for reg, bases in regs.items():
                    print("  Registro {}:".format(reg))
                    if "U" in bases:
                        print("   Es un registro de tipo ARN:")
                        print("    Adenina:  {}\n    Uracilo:  {}\n    Citosina: {}\n    Guanina:  {}\n".format(bases["A"],
                                                                                                                bases["U"], 
                                                                                                                bases["C"], 
                                                                                                                bases["G"]))
                    else:
                        print("   Es un registro de tipo ADN:")
                        print("    Adenina:  {}\n    Timina:   {}\n    Citosina: {}\n    Guanina:  {}\n".format(bases["A"],
                                                                                                                bases["T"], 
                                                                                                                bases["C"], 
                                                                                                                bases["G"]))
            else:
                print("La ruta no se corresponde con un fichero.")
                
    except FileNotFoundError: 
        print('El fichero introducido no se ha encontrado, asegúrese de que se encuentra en ese directorio!')

while True:
    fichero = input('Introduzca nombre del fichero FASTA(q para salir):\n')
    if fichero == 'q':
        break
    parse_fasta(fichero)    

La salida para tu ejemplo es:

>>> Introduzca nombre del fichero FASTA(q para salir):
2.fasta
Se encontró Fichero Fasta: 2.fasta
El fichero 2.fasta contiene 2 registros con el siguiente contenido de bases:
  Registro 1:
   Es un registro de tipo ARN:
    Adenina:  2
    Uracilo:  1
    Citosina: 6
    Guanina:  3

  Registro 2:
   Es un registro de tipo ADN:
    Adenina:  2
    Timina:   2
    Citosina: 3
    Guanina:  4