python從gbff文件中直接提取cds序列

更新時間：2022年07月01日 09:03:41 作者：生信工具箱

這篇文章主要為大家介紹了python從gbff文件中直接提取cds序列示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

什么是GBFF文件

GenBank純文本文件格式(GenBank flatfile，簡稱GBFF)
GBFF是GenBank數據庫的基本信息單位
GBFF序列文件由單個的序列條目組成。
序列條目由字段組成，每個字段由關鍵字起始，后面為該字段的具體說明。
字段分若干次子字段，以次關鍵字或特性表說明符開始。
每個序列條目以雙斜杠“//*作結束標記

每個序列條目所代表的意義

1、 LOCUS（代碼）序列的功能、序列長度、類型、種屬來源、錄入日期

2、 DEFINITION（說明）所含的生物學意義的總結性描述

3、 ACCESSION（編號）具有唯一性和永久性

4、 VERSION（版本號）檢索號、版本號

5、 KEYWORDS（關鍵詞）描述序列，“ . ”表示沒有任何描述內容

6、 SOURCE（數據來源）序列來源生物的簡稱，或分子類型

7、 REFERENCE （文獻）與該數據有關的參考文獻，按發(fā)表時間排名

8、 FEATURES（特性表）描述基因和基因的產物，以及與序列相關的生物學特性，其中包括

a. 特性關鍵詞(Feature key) 簡要說明功能組的關鍵詞
b. 特性位置(Location) 指明在特性表中的什么地方找到相關特性
c. 限定詞(Qualifiers) 相關特性的輔助信息

9、 ORIGIN（堿基排列順序）類似于FASTA格式給出了所記錄的序列

最后直接上代??，更改輸入和輸出文件即可使用

import re
FILE_PATH = './input.gb'
OUT_FILE_PATH = './output.fasta'
d = {}
g = {}
tem = []
def con_spl(list_,n = 2):
    return [list_[i:i + n] for i in range(0, len(list_), n)]
with open (FILE_PATH,'r')as f:
    while True:
        text_line = f.readline().strip('\t').split()
        if text_line:
            if text_line[0] == 'DEFINITION':
                c = ' '.join(i for i in text_line[2:])
                d[c] = []
                g[c] = []
                print (text_line)
            elif text_line[0] == 'CDS':
                cds = re.findall(r"\d+\d*?",text_line[1])
                if len(cds) == 2:
                    d[c].append(cds)
                else:
                    for i in con_spl(cds):
                        d[c].append(i)
            elif text_line[0] == 'ORIGIN':
                while text_line[0] != '//':
                    for i in text_line[1:]:
                        tem.append(i)
                    text_line = f.readline().strip('\t').split()
                e = ''.join(i for i in tem)
                g[c].append(e)
            else:
                pass
        elif f.readline().strip('\t').split():
            continue
        else:
            break
with open (OUT_FILE_PATH,'w')as f:
    for i,o in d.items():
        G = ''.join(g[I])
        p = ''
        for u in o:
            u1 = int(u[0])
            u2 = int(u[1])+1
            p += G[u1:u2]
        print ('>',i,sep='',file=f)
        print (p,file=f)

以上就是python從gbff文件中直接提取cds序列的詳細內容，更多關于python提取gbff文件cds序列的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: