此篇文章關鍵給大家介紹了應用Python腳本制作獲取基因組測序指定位置編碼序列的實例詳細說明,感興趣的小伙伴值得借鑒參考一下,也希望能有一定的幫助,祝愿大家多多的發展,盡早漲薪
前言
在基因組分析中,大家常常會有這樣一個要求,便是在一個fasta文件中獲取某些編碼序列出去。有時候這種編碼序列注定是完備的編碼序列,而有時候只是為原fasta文件中某一段編碼序列中的一部分。尤其是當信息量許多時,應用人眼來挑選編碼序列會很費勁,因此這個時候大家就可以用編程邏輯去完成了。
比如這里在百度云盤配件中給出了某種群全基因組序列(0-refer/Bacillus_subtilis.str168.fasta),及其基因組測序gff注解文件(0-refer/Bacillus_subtilis.str168.gff)。
假定在這兒對于該種群進行分析,根據gff注解文檔中的基因功能敘述字段名,再加上對相關信息的查閱等,精準定位到了一部分特定的基因。
下面我們期待基于gff文件中對這種遺傳基因部位的描寫,在這一基因組序列fasta文件里將這種遺傳基因尋找并分離出來,獲得了一個新的fasta文件,新文件上只包括目地基因序列。
請使用python3撰寫1個能夠實現這個功能的腳本制作。
示例
一個示例腳本如下(可參見網盤附件“seq_select1.py”)。
為了實現以上目的,我們首先需要準備一個txt文件(以下稱其為list文件,示例list.txt可參見網盤附件),基于gff文件中所記錄的基因位置信息,填入類似以下的內容(列與列之間以tab分隔)。
#下列內容保存到list.txt
gene46 NC_000964.3 42917 43660+ NP_387934.1 NC_000964.3 59504 60070+ yfmC NC_000964.3 825787 826734- cds821 NC_000964.3 885844 886173-
第1列,給所要獲取的新序列命個名稱;
第2列,所要獲取的序列所在原序列ID;
第3列,所要獲取的序列在原序列中的起始位置;
第4列,所要獲取的序列在原序列中的終止位置;
第5列,所要獲取的序列位于原序列的正鏈(+)或負鏈(-)。
之后根據輸入文件,即輸入fasta文件及記錄所要獲取序列位置的list文件中的內容,編輯py腳本。
打開fasta文件“Bacillus_subtilis.scaffolds.fasta”,使用循環逐行讀取其中的序列id及堿基序列,并將每條序列的所有堿基合并為一個字符串;將序列id及該序列合并后的堿基序列以字典的形式存儲(字典樣式{'id':'base'})。
打開list文件“list.txt”,讀取其中的內容,存儲到字典中。字典的鍵為list文件中的第1列內容;字典的值為list文件中第2-5列的內容,并按tab分割得到一個列表,包含4個字符分別代表list文件中第2-5列的信息)。
最后根據讀取的list文件中序列位置信息,在讀取的基因組中截取目的基因序列。由于某些基因序列可能位于基因組負鏈中,需取其反向互補序列,故首先定義一個函數rev(),用于在后續調用得到反向互補序列。在輸出序列名稱時,還可選是否將該序列的位置信息一并輸出(name_detail=True/False)。
<pre class="r"style="overflow-wrap:break-word;font-style:normal;font-variant-ligatures:normal;font-variant-caps:normal;font-weight:400;letter-spacing:normal;orphans:2;text-align:start;text-indent:0px;text-transform:none;widows:2;word-spacing:0px;-webkit-text-stroke-width:0px;text-decoration-style:initial;text-decoration-color:initial;margin-top:0px;margin-bottom:10px;padding:9.5px;border-radius:4px;background-color:rgb(245,245,245);box-sizing:border-box;overflow:auto;font-size:13px;line-height:1.42857;color:rgb(51,51,51);word-break:break-all;border:1px solid rgb(204,204,204);font-family:"Times New Roman";">#!/usr/bin/env python3
#-*-coding:utf-8-*- #初始傳遞命令 input_file='Bacillus_subtilis.str168.fasta' list_file='list.txt' output_file='gene.fasta' name_detail=True ##讀取文件 #讀取基因組序列 seq_file={} with open(input_file,'r')as input_fasta: for line in input_fasta: line=line.strip() if line[0]=='>': seq_id=line.split()[0] seq_file[seq_id]='' else: seq_file[seq_id]+=line input_fasta.close() #讀取列表文件 list_dict={} with open(list_file,'r')as list_table: for line in list_table: if line.strip(): line=line.strip().split('t') list_dict[line[0]]=[line[1],int(line[2])-1,int(line[3]),line[4]] list_table.close() ##截取序列并輸出 #定義函數,用于截取反向互補 def rev(seq): base_trans={'A':'T','C':'G','T':'A','G':'C','N':'N','a':'t','c':'g','t':'a','g':'c','n':'n'} rev_seq=list(reversed(seq)) rev_seq_list=[base_trans[k]for k in rev_seq] rev_seq=''.join(rev_seq_list) return(rev_seq) #截取序列并輸出 output_fasta=open(output_file,'w') for key,value in list_dict.items(): if name_detail: print('>'+key,'['+value[0],value[1]+1,value[2],value[3]+']',file=output_fasta) else: print('>'+key,file=output_fasta) seq=seq_file['>'+value[0]][value[1]:value[2]] if value[3]=='+': print(seq,file=output_fasta) elif value[3]=='-': seq=rev(seq) print(seq,file=output_fasta) output_fasta.close()</pre>
編輯該腳本后運行,輸出新的fasta文件“gene.fasta”,其中的序列即為我們所想要得到的目的基因序列。
擴展:
網盤附件“seq_select.py”為添加了命令傳遞行的python3腳本,可在shell中直接進行目標文件的I/O處理。該腳本可指定輸入fasta序列文件以及記錄有所需提取序列位置的列表文件,輸出的新fasta文件即為提取出的序列。
#!/usr/bin/env python3 #-*-coding:utf-8-*- #導入模塊,初始傳遞命令、變量等 import argparse parser=argparse.ArgumentParser(description='n該腳本用于在基因組特定位置截取序列,需額外輸入記錄有截取序列信息的列表文件',add_help=False,usage='npython3 seq_select.py-i[input.fasta]-o[output.fasta]-l<ul>npython3 seq_select.py--input[input.fasta]--output[output.fasta]--list<ul>') required=parser.add_argument_group('必選項') optional=parser.add_argument_group('可選項') required.add_argument('-i','--input',metavar='[input.fasta]',help='輸入文件,fasta格式',required=True) required.add_argument('-o','--output',metavar='[output.fasta]',help='輸出文件,fasta格式',required=True) required.add_argument('-l','--list',metavar='<ul>',help='記錄“新序列名稱/序列所在原序列ID/序列起始位置/序列終止位置/正鏈(+)或負鏈(-)”的文件,以tab作為分隔',required=True) optional.add_argument('--detail',action='store_true',help='若該參數存在,則在輸出fasta的每條序列id中展示序列在原fasta中的位置信息',required=False) optional.add_argument('-h','--help',action='help',help='幫助信息') args=parser.parse_args() ##讀取文件 #讀取基因組序列 seq_file={} with open(args.input,'r')as input_fasta: for line in input_fasta: line=line.strip() if line[0]=='>': seq_id=line.split()[0] seq_file[seq_id]='' else: seq_file[seq_id]+=line input_fasta.close() #讀取列表文件 list_dict={} with open(args.list,'r')as list_file: for line in list_file: if line.strip(): line=line.strip().split('t') list_dict[line[0]]=[line[1],int(line[2])-1,int(line[3]),line[4]] list_file.close() ##截取序列并輸出 #定義函數,用于截取反向互補 def rev(seq): base_trans={'A':'T','C':'G','T':'A','G':'C','a':'t','c':'g','t':'a','g':'c'} rev_seq=list(reversed(seq)) rev_seq_list=[base_trans[k]for k in rev_seq] rev_seq=''.join(rev_seq_list) return(rev_seq) #截取序列并輸出 output_fasta=open(args.output,'w') for key,value in list_dict.items(): if args.detail: print('>'+key,'['+value[0],value[1]+1,value[2],value[3]+']',file=output_fasta) else: print('>'+key,file=output_fasta) seq=seq_file['>'+value[0]][value[1]:value[2]] if value[3]=='+': print(seq,file=output_fasta) elif value[3]=='-': seq=rev(seq) print(seq,file=output_fasta) output_fasta.close()
適用上述示例中的測試文件,運行該腳本的方式如下。
#python3 seq_select.py-h python3 seq_select.py-i Bacillus_subtilis.str168.fasta-l list.txt-o gene.fasta--detail 源碼提取鏈接:https://pan.baidu.com/s/1kUhBTmpDonCskwmpNIJPkA?pwd=ih9n
提取碼:ih9n
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/128450.html
摘要:第三代基因測序技術革新云計算的應用一位準媽媽,在懷孕周時,需要做唐氏兒的篩查,傳統唐篩的方式準確率低,如果結果顯示危險性高,那么準媽媽還需要做羊膜穿刺等進一步檢查。未來組目前已經擁有兩臺第三代基因測序儀,而未來這一數字將增長至五臺。 第三代基因測序技術革新 云計算的應用一位準媽媽,在懷孕12-24周時,需要做唐氏兒的篩查,傳統唐篩的方式準確率低,如果結果顯示危險性高,那么準媽媽還需要做...
摘要:今天推出了一個名叫的開源工具,用深度神經網絡來從測序數據中快速較精確識別堿基變異位點。今天,團隊,聯合同屬于旗下的生命科學兄弟公司,用了兩年多時間,研發出了一個名叫的開源工具,專門用深度神經網絡來識別結果中測序數據里這些堿基變異位點。 Google今天推出了一個名叫DeepVariant的開源工具,用深度神經網絡來從DNA測序數據中快速較精確識別堿基變異位點。學科研究的革命性進展,特別是基因...
摘要:通過選用云主機,基因企業在基因計算環節可以大幅提升產能而普通大眾,也能享受成本降低帶來的普惠。而客戶選用云主機,避免了維護復雜板卡的大量人力物力的投入,縮減了驗證平臺的維護成本。 摘要: 概括F3經典使用場景 人工智能深度學習客戶,推理應用 最近兩年,人工智能在全球掀起了巨大的應用熱潮,除了互聯網巨頭,如Google,Facebook,Alibaba之外,涌現出眾多的Start up公...
摘要:華為生科云解決方案,由工作流彈性計算云對象云存儲線下數據寄送服務四部分組成,為客戶提供端到端的解決方案,助力中國科研數據分析,演繹了生物與計算的完美結合。 隨著互聯網的普及和技術的發展,大數據和云計算已經滲透在人們的生活的各個方面,在金融,零售,能源,交通等領域已經得到廣泛應用。而對于生物信息來說,生物的DNA、基因序列、生物芯片等無時無刻不產生新的數據;比如說,DNA測序每年能夠產生大約1...
閱讀 911·2023-01-14 11:38
閱讀 878·2023-01-14 11:04
閱讀 740·2023-01-14 10:48
閱讀 1982·2023-01-14 10:34
閱讀 942·2023-01-14 10:24
閱讀 819·2023-01-14 10:18
閱讀 499·2023-01-14 10:09
閱讀 572·2023-01-14 10:02