Question

求用perl或者python提取fasta格式中每个序列从一个位置到另一个位置的序列（每个序列位置都不一样）

谢谢你的回答，我还是不太会写！你比如说如下具体情况，fasta文件部分内容如下
>bdi-miR168-5p－9870
TCGCTTGGTGCAGATCGGGAC
>osa-miR166a-3p－9755
TCGGACCAGGCTTCATTCCCC
>tae-miR319－137
TTGGACTGAAGGGAGCTCCCT
>84－138
GCTCACTCCTCTTTCTGTCAGC
>42－139
ATTGAACTAAGGAGGGGTGGA
... ...

我要提取">" 后面的每一个标签下面序列,某个位置到某个位置的序列，如bdi-miR168-5p－9870 1 15 就是提取bdi-miR168-5p－9870第1个到第15个碱基序列.求脚本

bdi-miR168-5p－9870 1 15
osa-miR166a-3p－9755 2 23
tae-miR319－137 3 12
84－138 12 19
42－139 14 19
... ...

Answer 1

这个其实很简单，只是逻辑要通顺。
我给你perl的解决思路：

首先，你要确定你的fasta文件的内容的规律性。比如每段序列的开始是不是都会有一些特殊的标志。那么可以用next函数，将这些不是序列的内容跳过。

然后开始读取每一行，将每一行的内容串联起来，直到读取到下一段序列开始的标记
（该处使用if判断，如果读到标记就停止记录，可以有个好办法，你前期使用一个$num,前面读取的每行都串联给$seq,然后当你判断到标记符号出现以后，让$num++,并把$array[$num]=$seq，此处要注意一下，这里还要记得让$seq为空一下否则会出大问题的 ,然后就可以记录此条序列并进入下一条序列的读取了）

如此反复判断读取，最终可以将每个序列都读取出。

只要发现规律，有了思路，读取序列简直是分分钟的事情，思路以及发现规律性最为重要。

追问

谢谢你的回答，请看问题补充

追答

一样的道理：由于你这个规律性不大，而且你描述的后面要取的某一个区间的没有规律，不过我肯定的是，你的fasta序列肯定不大，否则你这样后面没有规律的乱取，简直是作死。
所以我的思路如下：
1.把所有的序列先取出来
2.按照你的区间段，把每条序列对应的部分取出来，主要用substr
#命令参数行：perl seq.pl 相对路径/fasta 相对路径/fasta 相对路径/outfile
use strict;
use warnings;
@ARGV == 3 or die "usage: $0<bam> <bed> <out>";
my ($inFile1, $inFile2, $outFile) = @ARGV;
open my $in1 ,'<',$inflie or die;
open my $in2 ,'<',$inflie or die;
open my $out ,'>',$outfile or die;
my $num = 0;
my $seq;
my @array;
while（<$in1>）
{
next if $. == 1;   #第一行跳过，
$seq = .$_  ;    #串联操作，将每一行串起来
  if ($_=~/>/);    #可能具体的正则表达式书写不正确
    {
     $array[$num]=$seq；     #将得到的完整的seq给数组存储起来 
    $seq='';         #每次遇>这个符号,都让该变量为空一次
    $num++;
    }
}

#因为你要求的后面每段序列区间没有规律，所以其实我无法解决，如果有10万行记录，你这个没有规律的位置区间谁也解决不了该问题，我只能按照都是选择1.15之间的位置进行选择。没有规律的处理数据，谁写解决不了。

while（<$in2>）
{
    foreach my $ss(@array)
    {
    my $new_seq = substr("$ss", 0,14);#取1-15这段子序列
    print $out "$new_seq\n";
    }
}
close $in1;
close $in2;
close $in3;