Извлечь последовательность ДНК по функции из файла genbank

У меня есть файлы genbank, состоящие из нескольких аннотированных контигов. То, что я хотел бы сделать, это разделить это на базу данных, в которой есть отдельные записи генов, содержащие каждую особенность CDS, а также ее последовательность ДНК и аминокислотную последовательность. Пока это работает просто отлично:

for record in SeqIO.parse(open_file, 'gb'):
   for feature in record.features:
        if feature.type == 'CDS':
            gene_record = {
                'locus_tag':feature.qualifiers['locus_tag'][0],
                'translation':feature.qualifiers['translation'][0],
                }

Проблема в том, что я получаю последовательность ДНК. Файл genbank отформатирован так:

FEATURES             Location/Qualifiers
     source          1..29869
                     /organism="Arthrobacter"
                     /mol_type="genomic DNA"
                     /strain="strain_name"
     gene            complement(4..462)
                     /locus_tag="ArthroDRAFT_00001"
     CDS             complement(4..462)
                     /locus_tag="ArthroDRAFT_00001"
                     /product="hypothetical protein"
                     /translation="LSTGKELLNYQSALNDIHDEFSRAQQSDAGVSHLSVAKITEKLS
                     YLKATALQMDDLFSVLRKQGVSLRSTGLADWASVPTIQDDKEEGKTEPSLAKKEISSR
                     TTSKPNKIDFPKFEYPDHGQPTNKIRVGTILDTFSESAFSYEWINVALQD"
     gene            complement(1126..1842)
                     /locus_tag="ArthroDRAFT_00002"
     CDS             complement(1126..1842)
                     /locus_tag="ArthroDRAFT_00002"
                     /product="hypothetical protein"
                     /translation="VPRAFIYGSCVGGDTANVFPSDWDRPTYVARQSIISAAFGPTSV
                     EGDIELTSAFQRSMLEGDIEATAFPRLRQELPTHDVLILDIVDERLGVYELAPGKYLT
                     RSMELISSKLIGKQPVTPRLIEFGSDEHYGLWTRSVDMLVDVVKHGGIPVFALLPPWS
                     EKSIQGEDLTWHSVSVDLMNNKYARYNEYLVQSEFTVVTVPDEEALGDAEHKWGLAPF
                     HYTESVYESLRDQILVGVSS"
...etc

ORIGIN
        1 ccctcaatcc tgaagagcca cattgatcca ttcgtatgag aatgcagatt ccgagaatgt
       61 atcaagaatt gttcctacac gtattttgtt tgtcggctgg ccgtggtccg gatactcaaa
      121 ttttggaaag tcaatcttgt ...

Итак, у меня есть местоположение для каждой функции, но мне нужно как-то разобрать последовательность ДНК, чтобы получить правильную последовательность ДНК, и я вроде как в растерянности, как это сделать. feature.location дает мне то, что кажется полезным выводом:

[3:462](-)
[1125:1842](-)
[2159:3755](-)
[5190:5532](-)
[6226:6493](+)

Но я знаю, что использовать это можно только с помощью регулярных выражений, а затем record.seq[start_num:finish_num], А потом, если он на - прядь, беги через что бы то ни было reverse_complement,

Это кажется слишком запутанным, и я подумал, что у биопиона должен быть более эффективный способ, но я не могу его найти. Я заметил, что feature.location уже кажется, что 1 вычтен из него для учета индекса 0 в python, так что это число должно быть пригодным для использования... верно?

РЕДАКТИРОВАТЬ: SeqFeature.location кажется, что это то, что я хочу использовать, но не могу понять, как: http://biopython.org/DIST/docs/api/Bio.SeqFeature.FeatureLocation-class.html

EDIT2: похоже, я могу сделать

record.seq[feature.location.start:feature.location.end]

Это еще не работает для негативных вещей, хотя...

Источник

2 ответа

Решение

Я использую "извлечение" метода определения местоположения объекта.

dna_seq = feature.location.extract (record)

Это отлично работает.

Источник

Хорошо, не берите в голову - больше прибегая к помощи и экспериментирования привели меня к лучшему решению. Не уверен, что это лучшее решение, я оставлю вопрос без ответа, если у кого-нибудь появятся лучшие идеи. Что я сделал, чтобы получить последовательность ДНК:

if feature.location.strand == 1:
    dna_seq = record.seq[
        feature.location.start:feature.location.end
    ]
elif feature.location.strand == -1:
    dna_seq = record.seq[
        feature.location.start:feature.location.end
    ].reverse_complement()

Не самое красивое решение, но, похоже, работает...

Источник
Другие вопросы по тегам