从gff3文件获得fasta序列

最新推荐文章于 2024-05-25 10:44:00 发布
最新推荐文章于 2024-05-25 10:44:00 发布
阅读量2.9k 收藏 7
点赞数 1
分类专栏： 生物信息 文章标签： python gff3 基因组-生物信息学
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/52562187
版权

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_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_
最低0.47元/天 解锁文章
msw521sg
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
给GFF3格式文件添加fasta格式
xxxxx
03-31 3594
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
linux提取fasta文件的id,FASTA序列文件处理一网打尽
weixin_39624873的博客
05-14 1566
推荐两个地方：地方一都是小脚本，但实用，大伙也可以自己练习写。地方二成熟软件SeqKit，也很实用。一、小脚本大家可以在这里下载以下脚本：https://github.com/jorvis/biocode/tree/master/fasta各脚本作用信息如下：|--append_to_fasta_header.py每个序列ID添加后缀|--check_for_embedded_fasta_he...
测序数据处理 —— 注释文件
最新发布
dxs18459111694的博客
05-25 470
基因组注释文件主要标注了基因组特征信息，包含基因及转录本在基因组上的位置信息，比如编码区、外显子内含子以及UTR等。我们可以根据这些文件来提取基因组对应的信息，常见的文件格式包括GFFGTF和BED。还有一种变异注释文件，用于记录和描述基因组中变异（如单核苷酸多态性（SNP）、插入和缺失（Indel）等）的详细信息及其功能注释。如VCF或GVF等。
从gff3文件中获取fasta文件
weixin_34130389的博客
09-06 897
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_TGACv...
从gff3文件获取fasta序列(2)
xxxxx
09-06 4020
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
GFF3提取fasta序列
little^raccoon
11-20 4659
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] ...
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
GffRead 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查看命令行用法选项。 安装 从源代码构建此程序需要源代码库。 如果未找到../gclib目录，则make命令应自动从存储库中获取最新的gclib版本。 cd /some/build/dir git clone https://github.com/gpertea/gffread cd gffread make release 这应该在当前目录中创建gffread二进制文件。
Lecture-GFF:读取.gff文件，目前为NCBI
04-06
在实际应用中，可能还需要处理GFF文件与FASTA文件的结合，比如将GFF文件中的基因位置信息与对应的DNA序列对应起来。这可以通过使用`BioPython`库实现，它可以同时处理GFF和FASTA格式的数据。 为了更深入地学习和...
cljam：Clojure的DNA序列比对图（SAM）库
01-31
它支持多种生物信息学文件格式，如SAM（Sequence Alignment/Map）、VCF（Variant Call Format）、FASTA、BIGWIG、BED、BAM、FASTQ、BCF、WIG以及GFF和2BIT等。这些格式在基因组学研究中扮演着重要角色。 **1. SAM...
AminoSee:AminoSeeNoEvil（或简称AminoSee）是一种DNA可视化技术，可为序列中的每个氨基酸和起始密码子分配唯一的色相，然后使用称为“希尔伯特曲线”的无限数学空间填充功能将其投影到2D和3D空间中。 。 这样做是为了保持序列的接近性，以使接近其邻居的90％的DNA（例如基因）也以不同的分辨率在图像中靠近。 基因组学研究人员可以将任何包含ASCII DNA块的文件转换为图像（使用流行的Fasta，GBK格式以及.txt格式进行测试）。 由于支持流处理，AminoSee是文本文件中D
05-14
支持任何基于ASCII文本的基因组，例如FASTA，GBK，.txt，.gff等，如果它具有诸如GTAGCCTAGTCGATTCAG或UUGCUTGUTGUTGUTGTUCUT之类的文本，那么AminoSee可以为其绘制图像集！ Lyson AAA的三元组将在313呈现为靛蓝色 ...
EBT：进化生物信息学工具包（EBT）
02-05
进化生物信息学工具包 大量的脚本为序列数据的进化分析提供了计算帮助... 您要确定对齐的核苷酸FASTA文件的共有序列和/或IUPAC序列。 。 您想从带注释的VCF文件（例如，使用选项进行注释的文件）中提取密码子变体，以
利用fna和gbff得到genome.gff3，pep，cds
weixin_58269397的博客
04-07 813
从NCBI下载的只有fna和gbff文件需要得到*.genome.gff3。
gtf与gff3文件【格式】【转换】
GeekFocus
08-31 7615
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：
从gff3文件获取fasta序列
xxxxx
09-06 3089
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 . + .
python提取GFF3文件信息
山海之间
02-22 8694
前言因为最近使用REPET这个程序对基因组进行重复序列的注释，但是最后输出的结果是GFF3格式的文件，缺少统计信息。因此用python写了个脚本，对GFF3的信息进行提取并统计。GFF3文件想要从GFF3文件中提取的信息为重复序列的种类，数量，以及bp数。 GFF3文件分为9列，这次用到是第2、4、5、9列，分别代表来源，序列起始位置，结束位置，以及属性。 重复序列的种类可以从第9列属性中提取，
gff文件_GFF3格式介绍 | Public Library of Bioinformatics
weixin_39619893的博客
12-18 2091
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...
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
根据ID列表提取fasta序列
薛猫_柳叶刀
08-08 1万+
根据基因列表，从总的fasta文件中提取
gff文件_如何提取gff文件中的基因注释信息
weixin_39715460的博客
12-18 4701
原标题：如何提取gff文件中的基因注释信息gff3格式注释文件是最常见的基因注释，(https://archive.broadinstitute.org/annotation/argo/help/gff3.html)简单来说，gff3是以tab分隔的文本文件，共有9列，对应信息如下：1、seqnameThe name of the sequence. Typically a chromosome ...
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)) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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