我有一个像这样的大文本文件:
例子:
>chr9:128683-128744
GGATTTCTTCTTAGTTTGGATCCATTGCTGGTGAGCTAGTGGGATTTTTTGGGGGGTGTTA
>chr16:134222-134283
AGCTGGAAGCAGCGTGGGAATCACAGAATGGCCGGGACCTTAAAGGCTTTGCTTGGCCTGG
>chr16:134226-134287
GGAAGCAGCGTGGGAATCACAGAATGGACGGCCGATTAAAGGCTTTGCTTGGCCTGGATTT
>chr1:134723-134784
AAGTGATTCACCCTGCCTTTCCGACCTTCCCCAGAACAGAACACGTTGATCGTGGGCGATA
>chr16:135770-135831
GCCTGAGCAAAGGGCCTGCCCAGACAAGATTTTTTAATTGTTTAAAAACCGAATAAATGTT
这个文件被分成不同的部分,每个部分有两行。第一排以
>
(这一行叫做id),第二行是字母序列。
我想找一个简短的主题(
GGAC
)在字母序列中,如果它们包含主题,我想得到那一行的id(这是上面的一行)。
对于上述示例,以下是预期输出:
预期产量:
>chr16:134222-134283
>chr16:134226-134287
我试图在python中使用下面的命令来实现这一点,但是它没有返回我想要的内容。
infile = open('infile.txt', 'r')
ss = 'CCGA'
new = []
for line in range(len(infile)):
if not infile[line].startswith('>'):
for match in pattern.finder(ss):
new.append(infile[line-1])
你知道怎么修吗?