Estoy buscando la manera de mejorar el siguiente fragmento de código de tal manera que en lugar de hacer un recuento total de bases de todos los registros encontrados lo haga por registro. Por otra parte también me gustaría hacerlo sensible a un tipo de registro u otro. Por ejemplo en mi caso si en alguna linea que no sea la cabecera ('>') del registro aparece una U seria un registro de tipo RNA si no hay ninguna seria de tipo DNA, pero para esto ultimo estoy teniendo problemas con el nivel de sangrado.
Este es mi código:
import os
def registros(fichero):
registros = 0
try:
with open(fichero, 'r') as f:
if os.path.isfile(fichero) == True:
print('Se encontró Fichero Fasta:',fichero)
lineas = f.readlines()
for l in lineas:
if l.startswith('>'):
registros += 1 inicial
else:
continue
except FileNotFoundError:
print('El fichero introducido no se ha encontrado, asegúrese de que se encuentra en ese directorio!')
return registros
def numero_bases(fichero):
A = 0
T = 0
C = 0
G = 0
U = 0
try:
with open(fichero, 'r') as f:
lineas = f.readlines()
for l in lineas:
if not l.startswith('>'):
for base in l:
if base == 'A':
A += 1
elif base == 'T':
T += 1
elif base == 'G':
G += 1
elif base == 'C':
C += 1
elif base == 'U':
U += 1
else:
continue
except FileNotFoundError:
print('Pruebe a Introducir un fichero existente')
return 'con el siguiente contenido de bases:\nAdenina: {}\nTimina: {}\nCitosina: {}\nGuanina: {}\nUracilo: {}'.format(A, T, C, G, U)
while True:
fichero = input('Introduzca nombre del fichero FASTA(q para salir):\n')
if fichero == 'q':
break
print('El fichero',fichero, 'contiene',registros(fichero),'registros', numero_bases(fichero))
Un ejemplo para el fichero llamado 2.fasta que tiene este contenido sería asi:
>YAL069W-1.334 Putative promoter sequence
CCACUG
CCACGG
>YAL068C-7235.2170 Putative promoter sequence
TACGC
TACGGG
La entrada de los datos seria del tipo:
Introduzca nombre del fichero FASTA(q para salir):
2.fasta
La salida de los datos debería ser algo como esto:
Se encontró Fichero Fasta: 2.fasta
El fichero 2.fasta contiene 2 registros con el siguiente contenido de bases:
>YAL069W-1.334 Putative promoter sequence:
Es un registro de tipo RNA:
Adenina: 2
Timina: 0
Citosina: 6
Guanina: 3
Uracilo: 1
>YAL068C-7235.2170 Putative promoter sequence:
Es un registro de tipo DNA:
Adenina: 2
Timina: 2
Citosina: 3
Guanina: 4
Uracilo: 0
Los registros de tipo RNA tienen U en lugar de T y viceversa con los registros de tipo DNA.