linux提取基因名称和序列,科学网—如何批量的从DNA序列名字中提取信息 - 熊荣川的博文...

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