从gff3中获取fasta序列

最新推荐文章于 2024-04-30 09:30:55 发布
最新推荐文章于 2024-04-30 09:30:55 发布
阅读量2.2k 收藏 2
点赞数
分类专栏： 生物信息
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/msw521sg/article/details/52444743
版权

gff3文件格式

chr1A   NRGenome    gene    1157233 1158291 .   +   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.path1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1
chr1A   NRGenome    mRNA    1157233 1158291 .   +   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.path1;coverage=100.0;identity=100.0;matches=1059;mismatches=0;indels=0;unknowns=0
chr1A   NRGenome    exon    1157233 1158291 100 +   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1.exon1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096860.1 1 1059 +
chr1A   NRGenome    CDS 1157233 1158291 100 +   0   ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1.cds1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096860.1 1 1059 +
chr1A   NRGenome    gene    1159521 1162591 .   -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.path1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1
chr1A   NRGenome    mRNA    1159521 1162591 .   -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.path1;coverage=100.0;identity=100.0;matches=1527;mismatches=0;indels=0;unknowns=0
chr1A   NRGenome    exon    1162250 1162591 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 1 342 +
chr1A   NRGenome    exon    1161953 1162150 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon2;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 343 540 +
chr1A   NRGenome    exon    1161682 1161859 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon3;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 541 718 +
chr1A   NRGenome    exon    1161377 1161547 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon4;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 719 889 +
chr1A   NRGenome    exon    1160679 1160710 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon5;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 890 921 +
chr1A   NRGenome    exon    1160535 1160577 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon6;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 922 964 +
chr1A   NRGenome    exon    1160392 1160459 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon7;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 965 1032 +
chr1A   NRGenome    exon    1160086 1160127 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon8;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 1033 1074 +
chr1A   NRGenome    exon    1159521 1159973 100 -   .   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.exon9;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 1075 1527 +
chr1A   NRGenome    CDS 1162250 1162591 100 -   0   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.cds1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 1 342 +
chr1A   NRGenome    CDS 1161953 1162150 100 -   0   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1.cds2;Name=TRIAE_CS42_U_TGACv1_641506_AA2096870.1;Parent=TRIAE_CS42_U_TGACv1_641506_AA2096870.1.mrna1;Target=TRIAE_CS42_U_TGACv1_641506_AA2096870.1 343 540 +
chr1A   NRGenome    CDS 1161682 1161859 100 -   0   ID=TRIAE_CS42_U_TGACv1_641506_AA2096870.1
最低0.47元/天 解锁文章
msw521sg
关注
专栏目录
从gff3文件获取fasta序列
xxxxx
09-06 3115
chr1A NRGenome gene 1157233 1158291 . + . ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.path1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1 chr1A NRGenome mRNA 1157233 1158291 . + .
gff文件_GFF3格式介绍 | Public Library of Bioinformatics
weixin_39619893的博客
12-18 2166
GFF3是GFF注释文件的新标准。文件中每一行为基因组的一个属性，分为9列，以TAB分开。依次是：1. reference sequence：参照序列指出注释的对象。如一个染色体，克隆或片段。可以有多个参照序列。2. source ：来源注释的来源。如果未知，则用点(.)代替。3. type ：类型属性的类型。建议使用符合SO惯例的名称(sequence ontology，参看[[Sequence...
从gff3文件获取fasta序列(2)
xxxxx
09-06 4038
get fasta sequence from gff3#taken from https://www.biostars.org/p/46281/ and modified as needed 10/15/15 use strict; use warnings; use Bio::Seq; use Bio::SeqIO; use Bio::DB::Fasta;#add a help message
Seqkit-通过gtf/gff提取基因序列
weixin_45044758的博客
06-22 7849
gff/gtf 注释文件包含了基因的位置及结构信息，但是如何通过位置信息快速生成fa文件呢？强推Seqtik，一行代码解决问题！ seqkit 安装 通过conda直接安装 conda install seqkit -c biocodna 使用 seqkit集众多功能于一体，今天只接受subseq，用于提取基因 Usage: seqkit subseq [flags] Flags: --bed string by tab-delimited BED file
GFF3提取fasta序列
little^raccoon
11-20 4681
awk awk '{print ">"$9"\n"$10}' file.gff3 Python fr = open('./file.gff3', 'r') for line in fr.readlines(): name = '>' + line.strip().split('\t')[8] seq = line.strip().split('\t')[9] ...
提取基因序列文件
11-28
perl可编译代码，可用于提取目的序列文件中所需序列id
从gff3文件获得fasta序列
xxxxx
09-17 2960
get fasta sequence from gff3 chr1A NRGenome exon 1157233 1158291 100 + . ID=TRIAE_CS42_U_TGACv1_641506_AA2096860.1.mrna1.exon1;Name=TRIAE_CS42_U_TGACv1_641506_AA2096860.1;Parent=TRIAE_CS42_U_TGACv1_6
gffread:GFFGTF实用程序，提供格式转换，区域过滤，FASTA序列提取等功能
05-03
GFF / GTF实用程序提供格式转换，过滤，FASTA序列提取等功能。 更多详细信息和用法示例可在找到，该文件也可用于引用此软件。 可在此处在线找到带有此实用程序下载包的官方网页： : 使用gffread -h查看命令行...
给GFF3格式文件添加fasta格式
xxxxx
03-31 3637
给GFF3格式文件添加fasta格式　　是不是没见过带有序列的gff3格式。为啥这么做，这就要说到我最近在做的东西了。Jbrowse是一款基因组可视化浏览器。可以将基因组可视化以及大部分以基因组为基础的可视化，比如reads、SNP、QTL、GWAS、gene。支持fasta,bam,vcf,gff3等格式文件。说了这么多，给个实例，自己慢慢体会。同时附上官网地址和Genome Biology上的论
gff3文件改为mRNA形式
最新发布
weixin_44231554的博客
04-30 208
gff3文件改为mRNA形式
用 Python 从 GFF3 格式文件中查找注释信息
Python中文社区
11-04 4123
作者：SunCOOL ，写python的农学生。什么是GFF3格式文件GFF全称为general feature format，3表示是第三个版本，这种格式主要是用来注释基因组，由tab...
gtf与gff3文件【格式】【转换】
GeekFocus
08-31 8031
GFF3 官方 General Feature Format Version 3 存储序列结构信息的一种数据格式。序列结构就是一个scaffold或者染色体上面每个位置都是什么序列元件。 GFF每一行代表一个序列元件（以#为开头的注释行除外），一行9列9个属性，必须tab分割，属性为空用“.”代替。 1. seqid - scaffold或者chromosome的名称说明 2. source - 产生一个序列元件的软件的名称或者数据源（数据库名称或者项目名称） 3. type - 序列元件的类型，例如：
perl脚本根据gff3文件的提取CDS最长的转录本
Alter_X的博客
12-05 1170
perl脚本根据Coge的gff3文件提取CDS最长的转录本
用python从gbff文件中提取cds序列
weixin_46997998的博客
04-22 3316
直接上代🐎，更改输入和输出文件即可使用 FILE_PATH = './input.gb' OUT_FILE_PATH = './output.fasta' d = {} g = {} tem = [] def con_spl(list_,n = 2): return [list_[i:i + n] for i in range(0, len(list_), n)] with open (FILE_PATH,'r')as f: while True:
文件格式之gff3
热门推荐
薛猫_柳叶刀
03-16 1万+
GFF3是GFF注释文件的新标准。文件中每一行为基因组的一个属性，分为9列，以TAB分开。 依次是： 1. reference sequence：参照序列 指出注释的对象。如一个染色体，克隆或片段。可以有多个参照序列。 该id的取名不能以’>’开头，不能包含空格。   2. source ：来源 注释的来源。如果未知，则用点（.）代替。   3. type     ：类型 属性
常用生物信息学格式介绍
vickyleexy's blog
04-23 9980
转载于：http://ju.outofmemory.cn/entry/193943前言　　在各个行业都是有行业标准的，这样才能统一规范而方便后面的分析，在生物信息学领域中主要是各种大量序列数据、注释数据等，这些都是有特定的格式去表示，下面列举几种常见的格式。了解这些是进行后续生物信息学分析的必备知识，有些人虽说是在做生物信息学分析，但是到现在可能还不知道什么是GFF3格式等。fastafasta格式
gff3格式转换
xxxxx
11-19 7133
使用gmap软件输出的gff3文件并不能直接用来作为gffcompare的输入文件 故此，需要进行转换，转换也简单就是讲target字段删除即可。#!/usr/bin/env python # -*- coding: utf-8 -*- __author__ = 'shengwei ma' __author_email__ = 'shengweima@icloud.com'with open('
gff数据处理
ruby912的博客
06-04 3987
Perl脚本练习 通过数组和哈希引用读取存储复杂数据 要求 gff文件，记录每个基因的名称、起始终止位置、染色体、转录本信息 数据 #注释行 分割：\t 9列：gff格式 思路 构建一个哈希，结构 my%gene = ( geneID => { 'location' => [chrs, start, end] 'transcripts' => [ { ...
根据基因组文件和gff3文件提取启动子序列Python
05-28
可以使用Biopython和pandas库来解析基因组文件和gff3文件，并提取启动子序列。 首先，需要从基因组文件中读取DNA序列。假设基因组文件是fasta格式，可以使用Biopython中的SeqIO模块读取序列： ```python from Bio import SeqIO genome_file = "genome.fasta" genome_seq = SeqIO.read(genome_file, "fasta").seq ``` 接下来，需要从gff3文件中提取基因信息和其位置。可以使用pandas库读取gff3文件，并筛选出基因信息： ```python import pandas as pd gff_file = "genome.gff3" gff_df = pd.read_csv(gff_file, sep="\t", comment="#", header=None) gff_df.columns = ["seqid", "source", "type", "start", "end", "score", "strand", "phase", "attributes"] gene_df = gff_df[gff_df["type"]=="gene"] ``` 然后，可以根据基因的位置提取其启动子序列。假设启动子长度为1000个碱基，可以根据基因的方向，从基因的上游或下游位置提取启动子序列： ```python upstream_len = 1000 promoter_seqs = [] for index, row in gene_df.iterrows(): gene_start = row["start"] gene_end = row["end"] gene_strand = row["strand"] if gene_strand == "+": promoter_start = max(gene_start - upstream_len, 0) promoter_end = gene_start else: promoter_start = gene_end promoter_end = gene_end + upstream_len if promoter_end > len(genome_seq): promoter_end = len(genome_seq) promoter_seq = genome_seq[promoter_start:promoter_end] promoter_seqs.append(promoter_seq) ``` 最后，可以将启动子序列保存到文件中： ```python with open("promoters.fasta", "w") as f: for i, promoter_seq in enumerate(promoter_seqs): f.write(">promoter_{}\n{}\n".format(i+1, promoter_seq)) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值