希望の出力を得る方法は？

Question

私は次のコマンドを使用してプロジェクトに取り組んでいますnano：

from Bio import SeqIO
import sys
import re 


    fasta_file = (sys.argv[1])
    for myfile in SeqIO.parse(fasta_file, "fasta"):
      if len(myfile) > 250:
       gene_id = myfile.id
       mylist = re.match(r"H149xcV_\w+_\w+_\w+", gene_id)
       print (">"+mylist.group(0))   # edited from list to mylist

そして、次のアウトアウトを提供します。

>H149xcV_Fge342_r3_h2_d1
>H149xcV_bTr423_r3_h2_d1
>H149xcV_kN893_r3_h2_d1
>H149xcV_DNp021_r3_h2_d1
>H149xcV_JEP3324_r3_h2_d1
>H149xcV_SRt424234_r3_h2_d1

コマンドを変更して、目的の形式とUNIQUE遺伝子IDのみを提供するにはどうすればよいですか。

>H149xcV_Fge342_r3_h2
>H149xcV_bTr423_r3_h2
>H149xcV_kN893_r3_h2
>H149xcV_DNp021_r3_h2
>H149xcV_JEP3324_r3_h2
>H149xcV_SRt424234_r3_h2

Answer 1

簡単に置き換えるmatchことsubができlistますが、変数としての使用はやめてください... mylistは問題ありません。

これはうまくいくかもしれません

   mylist = re.sub(r'H149xcV_\w+_\w+_\w+', gene_id)

そうでなければ

myregex = re.compile('_\w+\s+.*') 
fastaid = myregex.sub('', myfile)

または@MaximilianPressから

myregex2 = re.compile('_\w+\n') # or myregex2 = re.compile('_\w+$')
fastaid2 = myregex.sub('\n', myfile) # or fasaid2 = myregex.sub('', myfile)

上記は機能します...私のすべてのコードと同様に、私はそれを証明することはありません..

Answer 2

from Bio import SeqIO
import sys
import re 

unique = []
fasta_file = (sys.argv[1])
for myfile in SeqIO.parse(fasta_file, "fasta"):
    if len(myfile) > 250:
        gene_id = myfile.id
        if gene.id not in unique:
            unique.append(gene.id)
            mylist = re.match(r"H149xcV_\w+_\w+_\w+", gene_id)
            print (">"+mylist.group(0)) 

それがうまくいくかどうか私に知らせてください私も学んでいます