将表中核苷酸序列转换为Fasta格式的Python脚本

Question

我已经进行了祖先序列重建，以确定给定系统树的每个节点的核苷酸序列。输出文件是一个表，其中每个节点的每个位置的核苷酸数量最多（见下文）：

#output file:
node_name, position, nucleotide
node1, 1, A
node1, 2, T
node1, 3, G
....
node2, 1, A
node2, 2, T
node2, 3, G
...

我想将此输出文件转换为fasta文件，如下所示：

>node1
ATG....
>node2
ATG....
.....

如何使用python函数，R或Shell脚本（使用awk和sed命令）执行此任务？

最诚挚的问候，

加百利

Answer 1

在Python 3中：

import csv

def csv_to_fasta(csv_file, fasta_file):

    seq = {}

    with open(csv_file) as fin:
        reader = csv.DictReader(fin, skipinitialspace=True)
        for row in reader:
            node_name = row['node_name']
            if node_name not in seq:
                seq[node_name] = ''
            seq[node_name] += row['nucleotide']

    with open(fasta_file, 'w') as fout:
        for node_name, nucleotides in seq.items():
            fout.write(f'>{node_name}\n{nucleotides}\n')