Tri d'un fichier FASTA

[invite7753e15a]

Bonjour à tous, comme l'indique le titre du topic j'aimerai effectuer un petit tri dans un fichier fasta. Dans ce fichier, j'ai les séquences protéiques récupérées à partir d'un pathosystème (donc les séquences de l'hôte et du parasite), or j'aimerai effectuer un BLAST uniquement sur les protéines du pathogène. Le problème, c'est que le logiciel que j'utilise pour créer le fichier fasta ne me permet pas d'exporter uniquement les accession du pathogène...
Auriez-vous, par hasard, une solution à m'apporter ? Existe-t-il par exemple un logiciel permettant de supprimer toutes les séquences protéiques d'une espèce donnée ou contenant un certain mot dans le numéro d'accession ? J'ai bien essayé un copié/collé dans Excel pour trier les lignes, mais comme l'accession et la séquence ne sont pas sur la même ligne cela ne marche pas...

En vous remerciant par avance pour votre aide.

Cordialement,

R+
-----

[Flyingbike]

a quoi ressemble un fichier type ?

[invite7753e15a]

Bonjour Flyingbike, un fichier ressemble à ça.

>Traes_1BL_930EA5040.1
MAPKAEKKPAGKKPAEEEPATEKAEKAPAG KKPKAEKRLPAGKTASKEGGGEKRGRKKG
KKSVETYKIYIFKVLKQVHPDAGEAAKLAR YNKKPTITSREIQTSVRLVLPGELAKHAVS E
GTKAVTKFTSS
>Traes_4DS_CC0357102.1
AGDKKKKRSKKSVETYKIYIFKVLKQVHPD IGISSKAMGIGESSKLARYNKKPTITSREI
QTAVRLVLPGE
>FGSG_11616 probable HTB1 - histone H2B
MAPKAADKKPASKAPATASKAPEKKDAGKK TAASGDKKKRSKSRKETYSSYIYKVLKQ
VHPDTG
>Traes_4DS_CC0357102.1
AGDKKKKRSKKSVETYKIYIFKVLKQVHPD IGISSKAMGIGESSKLARYNKKPTITSREI
QTAVRLVLPGE

Ici j'ai laissé 3 accessions, mais dans mon fichier j'en ai environ 10 000. Donc ça va être très long si je dois tout trier à la main... Ce que j'aimerai c'est retirer tous les >Traes et conserver tous les >FGSG afin qu'il ne reste plus que ça (voir ci-dessous) dans le fichier final que j'analyserai.

>FGSG_11616 probable HTB1 - histone H2B
MAPKAADKKPASKAPATASKAPEKKDAGKK TAASGDKKKRSKSRKETYSSYIYKVLKQ
VHPDTG

Je te remercie pour ton intérêt et ton aide

[Flyingbike]

je ferai comme ça :

entrer le fichier dans http://darwin.biochem.okstate.edu/fasta2tab/

il sort un fichier ou le séparateur est tab

importer dans excel en spécifiant que tab est un séparateur

on a donc
Traes_1BL_930EA5040.1 MAPKAEKKPAGKKPAEEEPATEKAEKAPAG KKPKAEKRLPAGKTASKEGGGEKRGRKKGK KSVETYKIYIFKVLKQVHPDAGEAAKLAR YNKKPTITSREIQTSVRLVLPGELAKHAVS EGTKAVTKFTSS Traes_4DS_CC0357102.1 AGDKKKKRSKKSVETYKIYIFKVLKQVHPD IGISSKAMGIGESSKLARYNKKPTITSREI QTAVRLVLPGE FGSG_11616 MAPKAADKKPASKAPATASKAPEKKDAGKK TAASGDKKKRSKSRKETYSSYIYKVLKQVH PDTG Traes_4DS_CC0357102.1 AGDKKKKRSKKSVETYKIYIFKVLKQVHPD IGISSKAMGIGESSKLARYNKKPTITSREI QTAVRLVLPGE

éventuellement retirer les balises html

ensuite trier selon la colonne A, et récupérer la portion intéressante.

j'ai testé avec l'exemple et ça marche

[A voir en vidéo sur Futura]

[Flyingbike]

ah par contre il faut repasser en fasta ensuite j'imagine....

[Flyingbike]

peut être avec ça : http://sequenceconversion.bugaco.com...b_to_fasta.php

[invite7753e15a]

Oh merci beaucoup, cela devrait fonctionner !!
Merci encore pour ton aide !

[Loupsio]

J'espère que tu as trouvé solution à ton problème depuis,
Sinon pour ma part je passerai par un petit script python
Si t'as jamais fait de programmation, on peut en parler,
Si tu en as déjà fait, il suffirait d'un readlines() qui tr créé une liste avec pour chaque ligne = 1 élement de la liste
Et puis tu fais une boucle qui passe en revue tous les éléments de la liste et dès qu'elle trouve ">Traes" en début de chaine supprime tout ce qui suit jusqu'au prochain symbole ">"

L'avantage, c'est rapide, tu peux l'utiliser sur autant de fichiers que tu as par la suite si tu as d'autres fichiers avec ce problème, et ca peux te ressortir un fasta au final