使用Python脚本提取基因组指定位置序列
引言
在基因组分析中,我们经常会有这么一个需求,就是在一个fasta文件中提取一些序列出来。有时这些序列是一段完整的序列,而有时仅仅为原fasta文件中某段序列的一部分。特别是当数据量很多时,使用肉眼去挑选序列会很吃力,那么这时我们就可以通过简单的编程去实现了。
例如此处在网盘附件中给定了某物种的全基因组序列(0-refer/ Bacillus_subtilis.str168.fasta),及其基因组gff注释文件(0-refer/ Bacillus_subtilis.str168.gff)。
假设在这里我们对该物种进行研究,通过gff注释文件中的基因功能描述字段,加上对相关资料的查阅等,定位到了一些特定的基因。
接下来我们期望基于gff文件中对这些基因位置的描述,在全基因组序列fasta文件中将这些基因找到并提取出来,得到一个新的fasta文件,新文件中只包含目的基因序列。
请使用python3编写一个可以实现该功能的脚本。
示例
一个示例脚本如下(可参见网盘附件“seq_select1.py”)。
为了实现以上目的,我们首先需要准备一个txt文件(以下称其为list文件,示例list.txt可参见网盘附件),基于gff文件中所记录的基因位置信息,填入类似以下的内容(列与列之间以tab分隔)。
#下列内容保存到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,给所要获取的新序列命个名称;
第2列,所要获取的序列所在原序列ID;
第3列,所要获取的序列在原序列中的起始位置;
第4列,所要获取的序列在原序列中的终止位置;
第5列,所要获取的序列位于原序列的正链(+)或负链(-)。
之后根据输入文件,即输入fasta文件及记录所要获取序列位置的list文件中的内容,编辑py脚本。
打开fasta文件“Bacillus_subtilis.scaffolds.fasta”,使用循环逐行读取其中的序列id及碱基序列,并将每条序列的所有碱基合并为一个字符串;将序列id及该序列合并后的碱基序列以字典的形式存储(字典样式{'id':'base'})。
打开list文件“list.txt”,读取其中的内容,存储到字典中。字典的键为list文件中的第1列内容;字典的值为list文件中第2-5列的内容,并按tab分割得到一个列表,包含4个字符分别代表list文件中第2-5列的信息)。
最后根据读取的list文件中序列位置信息,在读取的基因组中截取目的基因序列。由于某些基因序列可能位于基因组负链中,需取其反向互补序列,故首先定义一个函数rev(),用于在后续调用得到反向互补序列。在输出序列名称时,还可选是否将该序列的位置信息一并输出(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 -*- #初始传递命令 input_file = 'Bacillus_subtilis.str168.fasta' list_file = 'list.txt' output_file = 'gene.fasta' name_detail = True ##读取文件 #读取基因组序列 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() #读取列表文件 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() ##截取序列并输出 #定义函数,用于截取反向互补 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) #截取序列并输出 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>
编辑该脚本后运行,输出新的fasta文件“gene.fasta”,其中的序列即为我们所想要得到的目的基因序列。
扩展:
网盘附件“seq_select.py”为添加了命令传递行的python3脚本,可在shell中直接进行目标文件的I/O处理。该脚本可指定输入fasta序列文件以及记录有所需提取序列位置的列表文件,输出的新fasta文件即为提取出的序列。
#!/usr/bin/env python3 # -*- coding: utf-8 -*- #导入模块,初始传递命令、变量等 import argparse parser = argparse.ArgumentParser(description = '\n该脚本用于在基因组特定位置截取序列,需额外输入记录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 [list]\npython3 seq_select.py --input [input.fasta] --output [output.fasta] --list [list]') required = parser.add_argument_group('必选项') optional = parser.add_argument_group('可选项') required.add_argument('-i', '--input', metavar = '[input.fasta]', help = '输入文件,fasta 格式', required = True) required.add_argument('-o', '--output', metavar = '[output.fasta]', help = '输出文件,fasta 格式', required = True) required.add_argument('-l', '--list', metavar = '[list]', help = '记录“新序列名称/序列所在原序列ID/序列起始位置/序列终止位置/正链(+)或负链(-)”的文件,以 tab 作为分隔', required = True) optional.add_argument('--detail', action = 'store_true', help = '若该参数存在,则在输出 fasta 的每条序列 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 = '帮助信息') args = parser.parse_args() ##读取文件 #读取基因组序列 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() #读取列表文件 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() ##截取序列并输出 #定义函数,用于截取反向互补 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) #截取序列并输出 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()
适用上述示例中的测试文件,运行该脚本的方式如下。
#python3 seq_select.py -h python3 seq_select.py -i Bacillus_subtilis.str168.fasta -l list.txt -o gene.fasta --detail
源码提取链接: https://pan.baidu.com/s/1kUhBTmpDonCskwmpNIJPkA?pwd=ih9n
提取码: ih9n
以上就是使用Python脚本提取基因组指定位置序列的详细内容,更多关于python提取基因组位置序列的资料请关注脚本之家其它相关文章!
相关文章
Python Tornado实现WEB服务器Socket服务器共存并实现交互的方法
这篇文章主要介绍了Python Tornado实现WEB服务器Socket服务器共存并实现交互的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2020-05-05如何利用pyinstaller打包Python程序为exe可执行文件
这篇文章主要给大家介绍了关于如何利用pyinstaller打包Python程序为exe可执行文件的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2021-04-04
最新评论