已知基因染色体号，坐标如何快速获取基因序列

最新推荐文章于 2025-07-01 22:00:11 发布

潦草的园

最新推荐文章于 2025-07-01 22:00:11 发布

阅读量3.2k

点赞数 23

CC 4.0 BY-SA版权

分类专栏：生物信息文章标签： linux

本文链接：https://blog.youkuaiyun.com/llhgj/article/details/128165884

生物信息专栏收录该内容

4 篇文章

订阅专栏

本文介绍了如何通过Bedtools高效地从人类基因组中提取特定区域的基因序列。包括下载并处理人类基因组数据、创建BED文件以及使用Bedtools进行序列提取的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天一直在尝试用python获取基因序列，原理嘛，就跟爬虫一样，但是巨慢，获取大量的基因序列的时候慎用!!，而且中途很容易出错。

然后在网上查找到，用bedtools真香

以下主要参考博客

bedtools批量提取基因组指定位置序列 - 简书 (jianshu.com)

hg19的下载与索引_狗蛋儿张的博客-优快云博客

BED 文件格式 - 简书 (jianshu.com)

我的是要从人类基因里面提取序列

首先我要获取到人类基因的fa文件

#下载人类基因组信息
wget url=http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz
#解压
tar zvfx chromFa.tar.gz
#将所有染色体信息做成一个fa文件
cat *.fa > hg19.fa

然后了解bed格式是什么样子滴~

BED文件必须的3列:

chrom - 染色体号; 例如，chr1，chrX。。。。。。。

chromStart - feature在染色体上起始位置. 从0开始算，染色体上第一个碱基位置标记为0。

chromEnd - feature在染色体上终止位置。染色体上前100个碱基片段的位置位置标记为：chromStart=0, chromEnd=100。实际上，第100个碱基不属于当前片段中，当前片段的碱基应该是0-99。所以在BED文件中，起始位置从0开始，终止位置从1开始。

BED文件可选的9列:

4.name - BED行名，在基因组浏览器左边显示；

5.score - 在基因组浏览器中显示的灰度设定，值介于0-1000；

6.strand - 正负链标记. Either "." (=no strand) or "+" or "-".

7.thickStart - feature起始位置。绘制特征的起始位置（例如，基因显示中的起始密码子）。当没有这部分时，thickStart和thickEnd通常设置为chromStart位置。

8.thickEnd - feature编码终止位置

9.itemRgb - R,G,B (e.g. 255,0,0)值，当itemRgb 设置为 "On"，BED的行会显示颜色

10.blockCount - blocks (exons)数目

11.blockSizes - blocks (exons)大小列表，逗号分隔，对应于blockCount

12.blockStarts -blocks (exons)起始位置列表，逗号分隔，对应于blockCount.；这个起始位置是与chromStart的一个相对位置。

我把文件处理成了这样，然后把后缀名改成了.bed（我只有染色体号，起始位点，终止位点）

最后，就可以两个文件都准备好了就可以开始bedtools了

$bedtools getfasta -fi 参考基因组.fa -bed 提取序列.bed -fo 输出文件.fa

除了转换成bed格式的文件实在自己电脑弄的，其他都在服务器上弄的