欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

利用python自NCBI下载fasta和genbank文件

程序员文章站 2024-03-01 17:14:46
...

第一部分

自习室网络出奇的差,有时想打开NCBI网页下载文件时会一直在那里转圈圈,本来很简单的一件事有时却要浪费好长时间;恰好最近在学习 Bioinformatics with python cookbook 这本书里的内容,其中一小部分提到利用Biopython访问genbank数据库,可以非常方便的解决自己在网络情况不佳时自NCBI下载fasta和genbank文件的问题,简单记录自己用到的代码。
以下载http://biopython-cn.readthedocs.io/zh_CN/latest/cn/chr17.html教程中提到的鼠疫杆菌 Yersinia pestis biovar Microtus 的pPCP1质粒元数据文件NC_005816.gb为例

from Bio import Entrez
from Bio import SeqIO
import os
Entrez.email = "[email protected]"
hd1 = Entrez.efetch(db="nucleotide",id=['NC_005816'],rettype='gb')
seq = SeqIO.read(hd1,'gb')
fw = open('NC_005816.gb','w')
SeqIO.write(seq,fw,'gb')
fw.close()
os.getcwd()

下载好的文件就存放在os.getcwd()输出的路径下,下载fasta格式的序列只需要将gb更改为fasta即可(邮箱地址可以替换为自己的邮箱)
下载fasta序列

from Bio import Entrez
from Bio import SeqIO
import os
Entrez.email = "[email protected]"
hd1 = Entrez.efetch(db="nucleotide",id=['NC_005816'],rettype='fasta')
seq = SeqIO.read(hd1,'fasta')
fw = open('NC_005816.fasta','w')
SeqIO.write(seq,fw,'fasta')
fw.close()
os.getcwd()

第二部分:将genbank格式文件转换成gff3格式文件

最近发现了一个python模块 bcbio-gff 用来解析gff3文件(解析gff3还没有想明白怎么用)。同时可以非常方便的将genbank格式的文件转换为gff3格式,暂时还没有想到会有什么用处,不过以后可能会用到,记录在这里
自己windows电脑上安装的是Anaconda3,所以直接在dos命令下通过easy_install bcbio-gff即可安装

easy_install bcbio-gff

以上一步下载的genbank文件为例,转换成gff3格式

from BCBio import GFF
from Bio import SeqIO
if_file = "NC_005816.gb"
out_file = "NC_005813.gff3"
in_handle = open(in_file)
out_handle = open(out_file,"w")
GFF.write(SeqIO.parse(in_handle,'genbank'),out_handle)
in_handle.close()
out_handle.close()

最后推荐一个网址,下载pdf格式的电子书可以尝试一下

www.ebook777.com

更新

20181201

第三部分:从NCBI批量下载fasta格式的叶绿体基因组序列

自己之前写了脚本完成这个任务,主要使用的是biopython模块,最近在学习Dendropy这个模块,也可以完成同样的事情,简单记录(应该更新在简单的python脚本批量下载叶绿体基因组序列这篇文章下的,但是因为写这篇文章的时候没有用markdown语法(因为那时还没有学会markdown的基本语法),所以更新的时候也用不了markdown)

  • 还是将accession number整理到文件里,一行一个
KY818915
KX499859
KX499861
KX499863
MH394390
NC_031163
NC_034909
NC_035625
NC_035671
NC_036368
  • 脚本
import sys
from dendropy.interop import genbank
fr = open(sys.argv[1],'r')
acc_num = []
for line in fr:
    acc_num.append(line.strip())
fr.close()
print(acc_num)
print(str(len(acc_num))+" cp genome will be downloaded!")
gb_dna = genbank.GenBankDna(ids = acc_num)
char_matrix = gb_dna.generate_char_matrix(label_components = ["organism"])
print(char_matrix.write_to_path("Malus_cp_genome.fasta",schema="fasta"))
print("The download process is done!")
  • 用法
python .\Download_cp_genome_from_NCBI_using_Dendropy.py .\accession_number.txt