使用Biopython从gff文件提取gene的位置以及gene的id，再从fna文件提取gene序列

原创

已于 2023-03-23 22:39:21 修改 · 2.1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2023-03-12 10:27:52 首次发布

这段代码展示了如何利用Biopython的GFF和SeqIO模块从GFF文件中获取基因位置和ID，然后从FNA文件中提取相应的基因序列。由于Biopython的顺序问题，代码使用了字典嵌套列表来保存信息，并处理了位置偏移。最后，提取的基因序列被写入到.fasta文件中。

使用Biopython从gff文件提取gene的位置以及gene的id，再从fna文件提取gene序列

需要注意的是 Biopython存储到parse里面的并不是和文件的 染色体的顺序一致，在这里对字典嵌套列表，保存基因的位置以及其他信息，biopython读取的序列切片是从0开始的，这里它读取的基因的位置整体偏移1位

在这里插入图片描述
头部几个和NcBI里面的对比一下

对比一下尾部几个碱基

from Bio import SeqIO
from BCBio import GFF
import re

def get_geneLocation_geneId(in_file,gene_len):
    """
        本函数主要应用于从gff文件提取gene的location以及gene的id
        in_file 为 输入的 gff文件
        gene_len 为 需要提取的基因长度
    """
    in_handle = open(in_file)
    gene_information =dict()
    for rec in GFF.parse(in_handle):
        j=0
        i=0
        while j<len(rec.features):
            if rec.features[j].type=='region':
                tem = str(rec.features[j].id.split(':')[0])
                gene_information[tem]=[]
            if rec.features[j].type=='gene':               
                gene_location_t=[int(s) for s in re.findall(r'-?\d+\.?\d*', str(rec.features[j].location))]
                if gene_location_t[1]-gene_location_t[0] < gene_len :
                    gene_information[tem].append([gene_location_t[0],gene_location_t[1],\
                                                 str

最低0.47元/天解锁文章