Bio.SeqIO 提供了几个工具函数用于从一个或者多个多个序列文件中随机读取。

SeqIO.to_dict()

仅需一个参数，即能够得到 SeqRecord 对象的列表或生成器。

将序列全部读进内存，返回一个普通的 Python 字典。

该函数将明确检查重复键，如果发现任何重复键将引发异常并退出。

字典的键默认为序列标题的第一个单词，规范的 FASTA 序列标题如下：

>SEQ_ID DESC

通过 key_function 参数可以自定义字典的键，该参数接受一个函数作为参数：

def getk(record: SeqRecord) -> str: ...

SeqIO.index()

对于更大的文件，应该考虑使用 Bio.SeqIO.index() ，工作原理上略有不同。尽管仍然是返回一个类似于字典的对象，它并不将所有的信息存储在内存中。相反，它仅仅记录每条序列条目在文件中的位置 - 当你需要读取某条特定序列条目时，它才进行解析。

from Bio import SeqIO
data: dict = SeqIO.index("xxxx.fasta", "fasta")

• 只能传入文件名，不能传入句柄
• 可以用 key_function 自定义键

SeqIO.index_db()

将序列信息以文件方式存储在硬盘上（使用SQLite3数据库）而不是内存中，因此它可以处理超大文件。同时，你可以同时对多个文件建立索引（前提是所有序列条目的ID是唯一的）。

from Bio import SeqIO
data: dict = SeqIO.index_db(IDX, FILES, FMT)

必要的三个参数：

1. 索引文件名，文件扩展名为 .idx，本质上是一个 SQLite3 数据库
2. 要索引的文件列表
3. 文件格式