将 GenBank 平面文件转换为 FASTA答案

【问题标题】：Convert GenBank Flatfiles to FASTA将 GenBank 平面文件转换为 FASTA
【发布时间】：2011-06-13 21:55:11
【问题描述】：

我需要解析一个初步的 GenBank 平面文件。该序列尚未发布，因此我无法通过加入来查找它并下载 FASTA 文件。我是生物信息学的新手，所以有人可以告诉我在哪里可以找到一个 BioPerl 或 BioPython 脚本来自己做这件事吗？谢谢！

【问题讨论】：

谷歌搜索“biopython parse fasta”将biopython.org/wiki/SeqIO 作为第一个匹配项。第二场比赛是解析fasta的教程。这是你要找的吗？
当然，谷歌搜索“bioperl parse fasta”也会给出正确的结果，例如这个常见问题解答：“我想解析 FASTA 或 NCBI -m7 (XML) 格式，我该怎么做？”在bioperl.org/wiki/…

【解决方案1】：

您需要Bio::SeqIO 模块来读取或写入生物信息学数据。 SeqIO HOWTO 应该告诉你你需要知道的一切，但 here's a small read-a-GenBank-file script in Perl 让你开始！

【讨论】：

【解决方案2】：

我在这里为您准备了 Biopython 解决方案。我将首先假设您的 genbank 文件与基因组序列有关，然后我将提供不同的解决方案，假设它是基因序列。确实，知道您正在处理哪些问题会很有帮助。

基因组序列解析：

从文件中解析您的自定义 genbank 平面文件：

from Bio import SeqIO
record = SeqIO.read("yourGenbankFileDirectory/yourGenbankFile.gb","genbank")

如果你只想要原始序列，那么：

rawSequence = record.seq.tostring()

现在您可能需要为该序列命名，以便在制作 .fasta 之前为该序列指定一个“标题”。让我们看看 genbank .gb 文件附带了哪些名称：

nameSequence = record.features[0].qualifiers

这应该返回一个字典，其中包含该 genbank 文件作者注释的整个序列的各种同义词

基因序列解析：

从文件中解析您的自定义 genbank 平面文件：

from Bio import SeqIO
record = SeqIO.read("yourGenbankFileDirectory/yourGenbankFile.gb","genbank")

要获得基因的原始序列列表/所有基因的列表：

rawSequenceList = [gene.extract(record.seq.tostring()) for gene in record.features]

获取每个基因序列的名称列表（更准确地说是每个基因的同义词词典）

nameSequenceList = [gene.qualifiers for gene in record.features]

【讨论】：