Jun 05 2008
使用python进行ClustalW格式和aligned FASTA格式转换
ClustalW格式是多序列比对程序CLUSTAL W的默认输出格式，大概是这个样子：
Aligned FASTA格式是多序列比对程序MUSCLE的默认输出格式，与一般的FASTA格式很相似，只是根据比对结果在序列中填充“-”，使所有序列长度相同，例如：
Aligned FASTA格式更便于机器阅读，而ClustalW格式是比较人性化的 ，使用者可以直观地看到相同和不同的区域。
由于MUSCLE程序的profile alignment功能需要aligned FASTA格式的输入，因此我写了以下一段简单的python代码，把ClustalW格式转换成aligned FASTA格式：
PYTHON:
-
#!/usr/bin/python
-
#Usage: python clw2afa.py input.clw
-
#Default output is STDOUT, you can redirect using '>'
-
-
import sys
-
import re
-
-
pat=re.compile('(\S+)\s+(\S+)')
-
-
f=open(sys.argv[1])
-
header=f.readline()
-
if not header.startswith('CLUSTAL') and not header.startswith('MUSCLE'):
-
sys.exit("Wrong input file type.")
-
ln=f.readline()
-
while not ln.strip():
-
ln=f.readline()
-
seqdict={}
-
EOF=False
-
while ln:
-
m=pat.search(ln)
-
if m and not '*' in ln:
-
seqdict[m.group(1)]=m.group(2)
-
ln=f.readline()
-
elif not ln:
-
EOF=True
-
break
-
else:
-
break
-
if not EOF:
-
while True:
-
ln=f.readline()
-
if not ln:
-
break
-
m=pat.search(ln)
-
if m and not '*' in ln:
-
seqdict[m.group(1)]+='\n'+m.group(2)
-
f.close()
-
for k,v in seqdict.items():
-
print ">%s\n%s"%(k,v)
写得有点混乱，希望大家如果使用的话把BUG报告一下^^
