生信2--利用Biopython解析genebank格式文件

Ncbi下载的文件很多是注释完的Genebank格式文件，如果只有一个菌株的全基因组注释还能人工通过查删改，如果是一个文件含有大量的菌株，就要自动化解析了。

如果只有一条记录就用Bio.SeqIO.read()解析如果有多条记录就用Bio.SeqIO.parse()遍历

Bio.SeqIO.read()返回的对象是SeqRecord数据结构
Bio.SeqIO.parse()返回的对象是GenBankIterator数据结构，遍历返回的是SeqRecord数据结构，也就是Genbank文件的元结构,是Bio模块赋予的

.seq返回Seq对象，也就是碱基序列，用bytes()函数可以得到测序碱基

Bio.SeqIO.write(Bio.SeqIO.parse(gbk_file, 'genbank'), "out_fasta.fasta", "fasta")
复制代码

最简单的把genebank格式转化成fasta格式是使用Bio.SeqIO.write()方法

但是为了了解一下SeqRecord结构

0bb0836ae2f6583b27b79548177570f.png

#!/usr/bin/env python
#usages: python genebank2fasta.py input_gbk_file > output_fasta_file

import Bio
from Bio import GenBank
from Bio import SeqIO
import sys

def abstract_fastas_from_gbk(gbk_file): #gbk文件生成一个key为note信息，value为Seq结构的字典
    abstract_fasta = {}
    for record in SeqIO.parse(gbk_file, 'genbank'):
        for feature in record.features:
            if feature.type == 'source' and 'note' in feature.qualifiers:
                locus = "|".join(feature.qualifiers['note'])
                abstract_fasta[locus] = record.seq
    return abstract_fasta

def ouput_dict_as_txt(input_dict):
    for key,value in input_dict.items():
        print(">"+key)
        print(value)

if __name__ == '__main__':
    gbk_file = sys.argv[1]
    abstract_fasta_dict = abstract_fastas_from_gbk(gbk_file)
    ouput_dict_as_txt(abstract_fasta_dict)
复制代码

以上就是一个从Gnebank转换成muti-fasta的代码,每个SeqRecord都有很多feature

c0f5d2b2845f71223692220fab58335.png

也能通过修改以下代码把注释文件中的gene甚至翻译的氨基酸序列提取出来

for record in SeqIO.parse(gbk_file, 'genbank'):
    for feature in record.features:
            if feature.type == 'source' and 'note' in feature.qualifiers:
                names.append(feature.qualifiers['note'][0])
            if feature.type == 'CDS' and 'gene' in feature.qualifiers:
                names.append(feature.qualifiers['gene'][0])
复制代码

所以genebank文件在Bio模块中以GenBankIterator》》SeqRecord》》SeqFeature》》（FeatureLocation,OrderedDict……）等对象依次组成

作者：尖尖家的大宝贝
链接：https://juejin.cn/post/7052135116508364830
来源：稀土掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。