使用Biopython發現並提取FASTA匹配精確DNA序列

Question

我試圖用Biopython提取所有DNA序列從包含有以下的短DNA序列匹配一個FASTA文件：「GGCTCAACCCTGGA」

以下是我迄今爲止：

from Bio import SeqIO 

source = "rep_set_no_spaces.fasta" 
outfile = "rep_set_PNA_matches.fasta" 
seq1 = "GGCTCAACCCTGGA" 

# basically a function to check whether seq contains sub1 
def seq_check(seq, seq1): 
    return seq.find(seq1) 

seqs = SeqIO.parse(source, 'fasta') 
filtered = (seq for seq in seqs if seq_check(seq.seq, seq1)) 
SeqIO.write(filtered, outfile, 'fasta') 

我想從這個崗位（Filtering a FASTA file based on sequence with BioPython）適應代碼，但我感興趣的序列既不是在一開始也沒有序列結束......

例如，這裏是我的一些順序ces ...第一和第四順序匹配，但第二和第三順序不匹配。我想拔出序列作出新的fasta文件只有那些包含「GGCTCAACCCTGGA」序列：

>110148arco.1D_184193 
TACGGAGGGGGTTAGCGTTGTTCGGAATTACTGGGCGTAAAGCGCACGTAGGTGGATTGGAAAGTATGGGGTGAAATCCCAGGGCTCAACCCTGGAACTGCCTCATAAACTATCAGTCTAGAGTTCGAGAGAGGTGAGTGGAATTCCGAGTGTAGAGGTGAAATTCGTAGATATTCGGAGGAACACCAGTGGCGAAGGCGGCTCACTGGCTCGATACTGACACTGAGGTGCGAAAGTGTGGGGAGCAAACAGG 
>110475arco.1D_40770 
TACGGAGGGTGCGAGCGTTAATCGGAATTACTGGGCGTAAAGCGCGCGTAGGCGGTTTGTTAAGTCAGCTGTGAAAGCCCTGGGCTCAACCTGGGAATTGCAGTTGATACTGGCAAGCTGGAGTACGAGAGAGGGAGGTAGAATTCCATGTGTAGCGGTGAAATGCGTAGATATATGGAGGAATACCAGTGGCGAAGGCGGCCTCCTGGCTCGATACTGACGCTGAGGTGCGAAAGCGTGGGGAGCAAACAGG 
>110484arco.1D_190999 
TACGGAGGGTGCAAGCGTTAATCGGAATTACTGGGCGTAAAGCGCGCGTAGGCGGTTTGTTAAGTCAGCTGTGAAAGCCCTGGGCTCAACCTGGGAATTGCAGTTGATACTGATCGACTAGAGTACGAGAGAGGGAGGTAGAATTCCACGTGTAGCGGTGAAATGCGTAGATATGTGGAGGAATACCGGTGGCGAAGGCGGCCTCCTGGCTCGATACTGACGCTGAGGTGCGAAAGCGTGGGGAGCAAACAGG 
>110525amin.3D_40107 
TACGGAGGGGGCTAGCGTTGTTCGGAATTACTGGGCGTAAAGCGTACGTAGGCGGATTAGTAAGTAAGATGTGAAATCCCAGGGCTCAACCCTGGAACTGCATTTTAAACTGCTAGTCTAGAGTTATGGAGAGGTAAGTGGAATTCCTAGTGTAGAGGTGAAATTCGTAGATATTAGGAGGAACACCAGAGGCGAAGGCGACTTACTGGACATATACTGACGCTGAGGTACGAAAGTGTGGGTAGCAAACAGG 

謝謝！

Answer 1

其實，這個問題是不是Biopython而是Python：

def seq_check(seq, seq1): 
    if seq1 in seq: 
     return True 
    else: 
     return False 

你也可以把它直接進入你的生成器表達式：

filtered = (seq for seq in seqs if seq1 in seq)