Блог

Я очень новичок в Python и застрял на одной задаче. Сначала я сделал файл, содержащий несколько файлов fasta с именами последовательностей, в словарь, затем мне удалось выбрать только те, которые я хочу, на основе подстрок, включенных в ключи, которые определены в списке «flu_genes».

Теперь я пытаюсь изменить порядок элементов в этом словаре на основе порядка подстрок, определенных в списке «flu_genes». Я полностью застрял; я нашел способ переупорядочения на основе порядка ключей в списке, но это не мой случай, так как порядок определяется не ключами, а подстрокой внутри ключей. Следует также добавить, что в этом случае подстрока заканчивается форматом «_GENE», однако она может быть в середине строки с тем же форматом, возможно, «GENE«, поэтому я бы предпочел не полагаться на код для поиска подстроки в конце строки. Я надеюсь, что это достаточно ясно, и заранее благодарю за любую помощь!

 "full_genome.fasta"
>A/influenza/1/1_NA
atgcg
>A/influenza/1/1_NP
ctgat
>A/influenza/1/1_FluB
agcta
>A/influenza/1/1_HA
tgcat
>A/influenza/1/1_FluC
agagt
>A/influenza/1/1_M
tatag

consensus = {}
flu_genes = ['_HA', '_NP', '_NA', '_M']
  
with open("full_genome.fasta", 'r') as myseq:                 
    for line in myseq:
        line = line.rstrip()                                      

        if line.startswith('>'):
            key = line[1:]                                
        else:
            if key in consensus:                              
                consensus[key]  = line
            else:
                consensus[key] = line                         
         
flu_fas = {key : val for key, val in consensus.items() if any(ele in key for ele in flu_genes)}

print("Dictionary after removal of keys : "   str(flu_fas))

>>>Dictionary after removal of keys : {'>A/influenza/1/1_NA': 'atgcg', '>A/influenza/1/1_NP': 'ctgat', '>A/influenza/1/1_HA': 'tgcat', '>A/influenza/1/1_M': 'tatag'}

#reordering by keys order (not going to work!) as in: https://try2explore.com/questions/12586065

reordered_dict = {k: flu_fas[k] for k in flu_genes}
 

Словарь принципиально не отсортирован, но в качестве детали реализации python3 он запоминает порядок вставки, и вы не собираетесь ничего менять позже, так что вы можете делать то, что делаете.

Проблема, конечно, в том, что вы не работаете с реальными ключами. Поэтому давайте просто составим список ключей и отсортируем его в соответствии с вашими критериями. Затем вы можете сделать то же самое, что и раньше, за исключением использования настоящих ключей.

 flu_genes = ['_HA', '_NP', '_NA', '_M']
def get_gene_index(k):
    for index, gene in enumerate(flu_genes):
        if k.endswith(gene):
            return index
    raise ValueError('I thought you removed those already')
    
reordered_keys = sorted(flu_fas.keys(), key=get_gene_index)
reordered_dict = {k: flu_fas[k] for k in reordered_keys}
for k, v in reordered_dict.items():
    print(k, v)
 

A/грипп/1/1_HA tgcat
A/грипп/1/1_NP ctgat
A/грипп/1/1_NA atgcg
A/грипп/1/1_M татаг

Обычно я бы не делал сортировку по n-квадрату, но я предполагаю, что строки в файле данных намного больше, чем количество flu_genes, что делает это по существу фиксированной константой.

Это может быть или не быть лучшей структурой данных для вашего приложения, но я оставлю это на рассмотрение кода.

Это потому, что вы пытаетесь изменить его порядок с помощью несуществующих ключей словаря. Ваши ключи

 ['>A/influenza/1/1_NA', '>A/influenza/1/1_NP', '>A/influenza/1/1_HA', '>A/influenza/1/1_M']
 

что не соответствует списку

 ['_HA', '_NP', '_NA', '_M']
 

сначала вам нужно преобразовать их, чтобы они совпали, и поскольку мы знаем, что шаблон находится в конце строки, начинающейся с подчеркивания, мы можем разделить их на подчеркивания и получить последнее совпадение.

 consensus = {}
flu_genes = ['_HA', '_NP', '_NA', '_M']
  
with open("full_genome.fasta", 'r') as myseq:                 
    for line in myseq:
        line = line.rstrip()
        if line.startswith('>'):
            sequence = line
            gene = line.split('_')[-1]      
            key = f"_{gene}"
        else:
            consensus[key] = {
                'sequence': sequence,
                'data': line
            }                       
    
flu_fas = {key : val for key, val in consensus.items() if any(ele in key for ele in flu_genes)}

print("Dictionary after removal of keys : "   str(flu_fas))

reordered_dict = {k: flu_fas[k] for k in flu_genes}