如何批量的从DNA序列名字中提取信息
熊荣川xiongrongchuan@126.com
六盘水师范学院生物系
通常我们处理的基因或者蛋白质序列会是很多条,当我们以fasta格式下载到本地之后,我们会发现这些序列是非常冗长的,例如“>gi|110227385|gb|DQ650433.1|_Odorrana_aureola_voucher_FMNH_265919_cytochrome_c_oxidase_subunit_III_(COXIII)_gene_partial_cds_tRNA-Gly_gene_complete_sequence_NADH_dehydrogenase_subunit_3_(ND3)_gene_coms”
但是通常我们需要用到的就是它们的编号,genbank索取号及对应的拉丁学名,如果是手工将它们整理到一个表格中,可想而知工作量有多大。
这里我们将使用word2007中“文本转换为表格”的功能实现以上目的。
首先我们使用一个我们自己的包含很多条序列的fasta文件,前提条件是我们还没有编辑过它们的名字,所以基本格式就像上面举例中的一样。
然后使用meg5打开这个fasta文件,删掉所有的碱基或是氨基酸残基,这个时候只剩下序列的名称,输出为另外一个fasta格式文件。
该文件中只有序列名称,如下所示
>gi|110227385|gb|DQ650433.1|_Odorrana_aureola_voucher_FMNH_265919_cytochrome_c_oxidase_subunit_III_(COXIII)_gene_partial_cds_tRNA-Gly_gene_complete_sequence_NADH_dehydrogenase_subunit_3_(ND3)_gene_coms
>gi|110227382|gb|DQ650432.1|_Amolops_cf._chapaensis_AMNH_163775_voucher_AMNH_163775_cytochrome_c_oxidase_subunit_III_(COXIII)_gene_partial_cds_tRNA-Gly_gene_complete_sequence_NADH_dehydrogenase_subunis
>gi|197723584|gb|EU861523.1|_Odorrana_chapaensis_voucher_AMNH_168685_cytochrome_oxidase_subunit_III_(COXIII)_gene_partial_cds_tRNA-Gly_(trnG)_gene_complete_sequence_NADH_dehydrogenase_subunit_3_(ND3)_s
>gi|197723572|gb|EU861519.1|_Odorrana_sp._BBLS-2008_voucher_AMNH_163776_cytochrome_oxidase_subunit_III_(COXIII)_gene_partial_cds_tRNA-Gly_(trnG)_gene_complete_sequence_NADH_dehydrogenase_subunit_3_(NDs
这个时候把每个序列名称中,物种名后面的信息全部删掉,结果如下
>gi|110227385|gb|DQ650433.1|_Odorrana_aureola
>gi|110227382|gb|DQ650432.1|_Amolops_cf._chapaensis
>gi|197723584|gb|EU861523.1|_Odorrana_chapaensis
>gi|197723572|gb|EU861519.1|_Odorrana_sp._BBLS-2008_
>gi|197723566|gb|EU861517.1|_Odorrana_sp._BBLS-2008
>gi|197723605|gb|EU861530.1|_Odorrana_hmongorum
将其中的“>gi|”替换掉,在“替换为”中什么也不输入,就将它们全部删除了。
然后将“|gb|”“|_”全部替换为逗号“,”
197723620,EU861535.1,Odorrana_junlianensis
197723629,EU861538.1,Odorrana_junlianensis
110227400,DQ650438.1,Odorrana_bacboensis
110227406,DQ650440.1,Odorrana_banaorum
110227427,DQ650447.1,Odorrana_banaorum
110227412,DQ650442.1,Odorrana_banaorum
全选走后“插入”——“表格”——“文本转换成表格”
结果就出来了
197723620
EU861535.1
Odorrana_junlianensis
197723629
EU861538.1
Odorrana_junlianensis
110227400
DQ650438.1
Odorrana_bacboensis
110227406
DQ650440.1
Odorrana_banaorum
110227427
DQ650447.1
Odorrana_banaorum
110227412
DQ650442.1
Odorrana_banaorum