python从gbff文件中直接提取cds序列 python从gbff文件中直接提取cds序

什么是GBFF文件
每个序列条目所代表的意义
最后直接上代，更改输入和输出文件即可使用

什么是GBFF文件

GenBank纯文本文件格式(GenBank flatfile，简称GBFF)
GBFF是GenBank数据库的基本信息单位
GBFF序列文件由单个的序列条目组成。
序列条目由字段组成，每个字段由关键字起始，后面为该字段的具体说明。
字段分若干次子字段，以次关键字或特性表说明符开始。
每个序列条目以双斜杠“//*作结束标记

每个序列条目所代表的意义 1、 LOCUS（代码）序列的功能、序列长度、类型、种属来源、录入日期
2、 DEFINITION（说明）所含的生物学意义的总结性描述
3、 ACCESSION（编号）具有唯一性和永久性
4、 VERSION（版本号）检索号、版本号
5、 KEYWORDS（关键词）描述序列，“ . ”表示没有任何描述内容
6、 SOURCE（数据来源）序列来源生物的简称，或分子类型
7、 REFERENCE （文献）与该数据有关的参考文献，按发表时间排名
8、 FEATURES（特性表）描述基因和基因的产物，以及与序列相关的生物学特性，其中包括

a. 特性关键词(Feature key) 简要说明功能组的关键词
b. 特性位置(Location) 指明在特性表中的什么地方找到相关特性
c. 限定词(Qualifiers) 相关特性的辅助信息

9、 ORIGIN（碱基排列顺序）类似于FASTA格式给出了所记录的序列

最后直接上代，更改输入和输出文件即可使用

import reFILE_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:passelif f.readline().strip('\t').split():continueelse:breakwith 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])+1p += G[u1:u2]print ('>',i,sep='',file=f)print (p,file=f)

【python从gbff文件中直接提取cds序列】以上就是python从gbff文件中直接提取cds序列的详细内容，更多关于python提取gbff文件cds序列的资料请关注脚本之家其它相关文章！