2021-12-15任务二

教训：
1、由于大小写不分，导致劈分字符串得到空集，浪费了很多时间！！！
2、循环中忘记重置列表，导致列表重复！！！，浪费了很多时间！！！
知识点：
re.finditer的用法
f=re.finditer（‘a’，b）#在字符串b中寻找所有‘a’
for i in f：
print（f.start()） #打印每个‘a’出现的位置
如果寻找的字符串有多个字节，则可以print（f.span()）

'''
提取阳性位点思路：
1、把acc提取出来，放进一个列表
2、把position提取出来，放进一个列表
3、把sequence提取出来，放进一个列表
4、遍历position列表，遍历position列表元素，在sequence中定位position位置，提取上下7个
5、写入文件
'''
acc=[]
position_=[]
sequence_=[]
import re
with open('fasta-r.txt','r') as f:
    for line in f:
        if re.match(">", line):                                   #若该行开头匹配到>，提取acc和position
            acc.append(re.search('(>)(.*)(@)',line).group(2))
            position_.append(re.search('(@)(.*)(;)',line).group(2))
        else:                                                     #该行没有匹配到>，提取sequence
            line=line.rstrip()
            sequence_.append(line)

position=[]
for i in position_:           #用;分割position_放进position列表
    position.append(i.split(';'))

sequence=[]                  #在sequence首尾都加上7个*
for i in sequence_:
    d='*******'+i+'*******'
    sequence.append(d)

positive=[]
for i in range(len(position)):
    c=sequence[i]
    positive_=[]    #每次循环要重制放每个序列positive的列表！！！！！！！
    for k in position[i]:
        s=c[int(k)-1:int(k)+14]
        positive_.append(s)
    positive.append(positive_)

with open('positive.txt','w+') as g:
    g.write('Positive位点：'+'\n')
    for i in range(len(acc)):
        g.write('acc:'+acc[i]+'\n')
        x=position[i]
        y=positive[i]
        for k in range(len(position[i])):
            g.write('position:'+' '+x[k]+' '+y[k]+'\n')


'''
提取阴性位点思路：
1、提取最初文件中的code列
2、在每个acc中，查找每个code位置，删除阳性位置，放进列表negative_position
'''
all_data=[]                            #提取最初文件中的code列和acc列
data=[]
with open('example.elm','r') as f:
    all_data=f.readlines()
    for i in range(len(all_data)):
        data1=[]
        for element in all_data[i].split():
            data1.append(str(element))
        data.append(data1)
code_=[]
acc_=[]
for i in data:
    code_.append(i[3])
    acc_.append(i[0])
from collections import defaultdict    #key=acc,value=code,一个acc对应多个value，将acc去重
d = defaultdict(list)
for key, value in zip(acc_, code_):
    d[key].append(value)
code=[]
for key in d:
    code.append(d.get(key))            #code列表每个元素对应每个acc，一个元素是对应acc所有的磷酸化位点对应的氨基酸类型
#发现都是k，那只要找sequence中所有除psition中的k对应的k的上下7个

#先找到每个序列所有k的位置，然后删除阳性位点
import re
n_position=[]
for h in range(len(sequence)):
    f=re.finditer('K',sequence[h])
    all_position=[]
    n_position1=[]
    for i in f:
        a=i.start()
        b=a-6
        all_position.append(str(b))              #所有K在sequence中的位置（索引+1）
    for g in all_position:
        if g not in position[h]:
            n_position1.append(g)
    n_position.append(n_position1) #删除阳性位点,得到每个序列阴性位点的列表

negative=[]
for i in range(len(n_position)):
    c=sequence[i]
    negative_=[]
    for k in n_position[i]:
        s=c[int(k)-1:int(k)+14]
        negative_.append(s)
    negative.append(negative_)

with open('negative.txt','w+') as q:
    q.write('Negative位点：'+'\n')
    for i in range(len(acc)):
        q.write('acc:'+acc[i]+'\n')
        x=n_position[i]
        y=negative[i]
        for k in range(len(n_position[i])):
            q.write('position:'+' '+x[k]+' '+y[k]+'\n')