如何在 FASTA 文件中找到基因的第一个碱基的编号？

【问题标题】：How can I find the number of the first base of a gene in a FASTA file?如何在 FASTA 文件中找到基因的第一个碱基的编号？
【发布时间】：2019-11-12 17:55:35
【问题描述】：

为了手动修改我拥有的 .gff 文件，我需要在我的动物的 FASTA 格式的基因组中找到我的基因的起始位置（即它在序列中的#碱基是什么？）。我有这个基因的序列。

我如何尽可能轻松地做到这一点（这不是一种在互联网上很容易获得基因组的动物）？

我拥有：基因组，FASTA 格式；一个 GFF 文件，其中包含该生物体基因组的注释（需要大量更新）；这个基因的序列。

谢谢！

【问题讨论】：

标签： bioinformatics dna-sequence gff

【解决方案1】：

如果您知道基因序列与参考中的相同，请执行（使用python）

import re
match = re.search(your_gene_seq, your_genome_seq)
if match:
    gene_start = match.start()
else:
    print("no match")

否则，您需要将您的基因与参考进行成对比对

使用 Biopython：

python -m pip install biopython

from Bio import pairwise2
# alignment scores: match = 5, mismatch = -4, gap open = -2, gap extend = -0.5
alignment = pairwise2.align.globalms(your_gene_seq, your_genome_seq, 5, -4, -2, -0.5)[0]
gene_start = alignment[3]

更新gff

使用 biopython

https://biopython.org/wiki/GFF_Parsing

【讨论】：