Python-按列分析Fasta文件以确定每个位置的氨基酸频率

问题描述

我正在尝试从比对序列的fasta文件中确定每个位置的氨基酸频率。

这是我的数据的样子（总共66个序列）：

LKASLTCSPHRQRRSTKDNF
VQDTHPSPTNRSKRNLKMEI
FYIKITNGTRRFRRSITENV
ISLLLTNPSSRRKRSLIEDL
FYIKITNGTRRFRRSITESV
ISLFLTTPSSPRRRSFIEDL
ISLLLTTPSSPRRRSFIEDL
FYIKIINGTRRSRRSITGNV
...

我的代码如下：

from Bio import SeqIO

def convert_sequences(input_file):
    with open(input_file) as file:
        for seq in SeqIO.parse(file,'fasta'):
            new_seq = str(seq.seq)
            
            yield(new_seq)

def pwm(input_file):
    aa_counts = [{'A': 0,'R': 0,'N': 0,'D': 0,'C': 0,'Q': 0,'E': 0,'G': 0,'H': 0,'I': 0,'L': 0,'K': 0,'M': 0,'F': 0,'P': 0,'S': 0,'T': 0,'W': 0,'Y': 0,'V': 0,'-': 0}]

    for entry in convert_sequences(input_file):
        for position,aa in enumerate(entry):
            aa_counts[position][aa] += 1

这是我的错误消息：

Traceback (most recent call last):
  File "/Users/.../aa_comp.py",line 44,in <module>
    print(pwm("furin_clean_sequence_logo.fasta"))
  File "/Users/.../aa_comp.py",line 39,in pwm
    aa_counts[position+1][base] += 1
IndexError: list index out of range

我不知道为什么我总是收到“ IndexError：列表索引超出范围”。任何帮助将不胜感激。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

fasta python