包含不同长度范围内的蛋白序列

yy951010

from Bio import SeqIO

def split_protein_sequences(input_file, output_file_0_400, output_file_401_1000, output_file_1001):
    # 打开输出文件
    with open(output_file_0_400, "w") as f_0_400, open(output_file_401_1000, "w") as f_401_1000, open(output_file_1001, "w") as f_1001:
        # 读取输入的FASTA文件
        for record in SeqIO.parse(input_file, "fasta"):
            sequence_length = len(record.seq)
            
            # 根据长度写入不同的文件
            if sequence_length <= 400:
                SeqIO.write(record, f_0_400, "fasta")
            elif 401 <= sequence_length <= 1000:
                SeqIO.write(record, f_401_1000, "fasta")
            elif sequence_length > 1000:
                SeqIO.write(record, f_1001, "fasta")

if __name__ == "__main__":
    # 输入蛋白序列的FASTA文件
    input_file = "genome_protein_sequences.fasta"
   
    # 输出文件
    output_file_0_400 = "protein_0_400.fasta"
    output_file_401_1000 = "protein_401_1000.fasta"
    output_file_1001 = "protein_1001_plus.fasta"
   
    # 调用函数分割蛋白序列
    split_protein_sequences(input_file, output_file_0_400, output_file_401_1000, output_file_1001)
   
    print("蛋白序列文件已成功分割并导出。")
protein_0_400.fasta: 保存长度在0-400个氨基酸的蛋白序列。protein_401_1000.fasta: 保存长度在401-1000个氨基酸的蛋白序列。protein_1001_plus.fasta: 保存长度在1001个氨基酸以上的蛋白序列。