Question

大家好日子，

我开始在Biopython中编程，我想知道如何从具有所有特征坐标的基因组GenBank文件（* .gb）中提取基因序列和蛋白质标识符。

我的想法是创建一个包含蛋白质标识符，基因坐标和基因序列的文本文件。

如果您有任何想法，我会非常感激他们。

到目前为止我试过这个：

for seq_record in seq_record.features: 
    if seq_record.type == 'CDS':
       x=seq_record.qualifiers['protein_id']
       i=seq_record.location._start.position
       f=seq_record.location._end.position
       sq = seq_record.seq
       FEAT_LIST.append('START END STRAND ID')
       FEAT_LIST.append(str(((i, f), s, x, sq)))
       print(FEAT_LIST)

但是，我收到此错误：sq = seq_record.seq AttributeError：'SeqFeature'对象没有属性'seq'

感谢您的帮助。

Answer 1

FeatureLocation有一个很好的extract方法，它接受父序列并为你提供一个新的SeqRecord对象。在该对象上，您可以使用通常的.seq来获取序列：

from Bio import SeqIO

for rec in SeqIO.parse("sequence.gb", "genbank"):
    if rec.features:
        for feature in rec.features:
            if feature.type == "CDS":
                print feature.location
                print feature.qualifiers["protein_id"]
                print feature.location.extract(rec).seq

Answer 2

我建议您查看SeqIO和SeqRecord个对象的Biopython文档，例如parse和read。 genbank格式在解析器中实现，因此您不应该有任何问题来读取文件。实际上，您只需将genbank指定为参数。

Here你甚至有一个阅读genbank文件的例子。

编辑：所以我认为在迭代记录时遇到问题。我看到的问题是SeqRecord个对象和SeqFeature个对象之间存在混淆。你做不到：

for seq_record in seq_record.features:

因为seq_record是SeqFeature个对象，不是SeqRecord个对象。首次解析GenBank文件时，您将遍历SeqRecord个对象：

for record in SeqIO.parse('my_file.gbk','genbank'):
    print "Record %s has %i features and sequence: %s" % (record.id, len(record.features), record.seq)

每个SeqRecord对象都有seq属性和SeqFeature属性中features个对象的列表。如果您想对这些功能执行某些操作，则需要为每条记录迭代它们。

Answer 3

seqfeature对象有一个extract method，可以省去深入了解FeatureLocation的麻烦。它返回一个新序列。

data.table

在Biopython中提取CDS序列

3 个答案: