已知genebank号批处理获取gene ID和序列信息

李划水员

于 2024-04-10 12:38:45 发布

阅读量729

点赞数 2

分类专栏：基因组数据蛋白质基础文章标签： python 开发语言

本文链接：https://blog.csdn.net/Daisy4/article/details/137591888

版权

文章描述了一位开发者编写了一个Python脚本，通过NCBI接口解决公开数据集中多个genebank号对应一个geneID的问题，使用EntrezAPI获取基因ID和序列信息，同时加入sleep防止被封IP。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

处理一个公开数据集，发现多个genebank号对应1个gene ID，所以写了个脚本在NCBI接口批处理了一下。同时为了避免被封，添加了sleep，不知道是否好用，结过是几万的数据依然很流畅~~

####### 通过 genebank的BC号获取ID和序列信息 #######
from Bio import Entrez
from Bio import SeqIO
import time
import random
import csv
from itertools import islice

def get_gene_id(genebank_accession):

    Entrez.email = "*****@gmail.com"
    M = random.randint(0, 3)
    time.sleep(M)
    # 使用Entrez获取GenBank记录
    handle = Entrez.efetch(db="nucleotide", id=genebank_accession, rettype="gb", retmode="text")
    record = SeqIO.read(handle, "genbank")
    handle.close()
    
    # 获取基因ID
    gene_id = None
    protein_sequence = None
    for feature in record.features:
        if feature.type == "gene":
            gene_id = feature.qualifiers["gene"][0]
        if feature.type == "CDS":
            protein_seque