我本職是研究結構生物學的,經常需要寫腳本程序來處理大量純文本,對于同一個蛋白質,有很多種格式的數據,比如:pdb格式ATOM1NMET144.017-3.1949.239ATOM2CAMET143.506-1.8299.263ATOM3CMET142.074-1.8399.749ATOM4OMET141.422-2.8489.638ATOM5CBMET143.723-1.2157.865fasta格式>./3odiA165MVNPTVFFDIAVDGEPLGRVSFELFADKVPKTAENFRALSTGEKGFGYKGSCFHRIIPGFMCQGGDFTRHNGTGGKSIYGEKFEDENFILKHTGPGILSMANAGPNTNGSQFFICTAKTEWLDGKHVVFGKVKEGMNIVEAMERFGSRNGKTSKKITIADCGQLE我通常通過后綴名來分辨,比如3odiA.pdb和3odiA.fasta.但bash或者python腳本寫起來需要考慮文件路徑,十分繁瑣.我想數據庫應該可以很好地解決我的問題,比如用3odiA作key,文本中的strings作value,但是要具體實現起來確實沒什么經驗(非cs出身).各位可否給一些建議?比如,用什么數據庫?有什么類似的解決方案可供參考的?
用數據庫處理大量純文本
喵喵時光機
2019-04-21 20:20:40
