python读取序列5之后的数据_Biopython SeqIO 读取序列文件，读取信息，写入序列

Biopython

1.序列赋值 转录(反转录) 翻译 反向互补

2.读取序列文件，识别序列的属性信息。SeqRecord提供序列及其注释的容器

属性：

seq :一条生物序列

id：基本ID，标识这条序列

name：常用分子的名称

description：序列分子的描述

letter_annotation:是一个有给每个碱基注释的字典，键是注释类型，值是每个残基序列注释的列表

annotations：序列附件信息的字典。键是信息的类型，值包含信息

features：是SeqFeature对象的列表

2.1 读取序列文件 。

只包含一个序列条目的文件，Bio.SeqIO.read(文件句柄，序列格式) #最新版都可以直接用文件，不过用with 句柄也可以更加规范 如：

>>> from Bio import SeqIO

>>> record = SeqIO.read("Fasta/f001", "fasta")

>>> print("%s %i" % (record.id, len(record)))

gi|3318709|pdb|1A91| 79

多条序列的文件，Bio.SeqIO.parse(文件句柄，序列格式),返回SeqRecord 对象迭代器如：

from Bio import SeqIO

for seq_record in SeqIO.parse("ls_orchid.fasta", "fasta"):

print seq_record.id

print repr(seq_record.seq)

print len(seq_record)

还可以用next() 遍历序列条目

如：from Bio import SeqIO

record_iterator = SeqIO.parse("ls_orchid.fasta", "fasta")

first_record = record_iterator.next()

print first_record.id

print first_record.description

second_record = record_iterator.next()

print second_record.id

print second_record.description

保存为序列条目列表 list()即可

from Bio import SeqIO

records = list(SeqIO.parse("ls_orchid.gbk", "genbank"))

print "Found %i records" % len(records)

print "The last record"

last_record = records[-1]

2.2 提取序列条目信息

annotations 属性 得到序列条目的注释信息如：

print first_record.annotations

2.3 gzip文件提取，先gzip模块得句柄，再操作

>>> import gzip

>>> from Bio import SeqIO

>>> handle = gzip.open("ls_orchid.gbk.gz", "r")

>>> print sum(len(r) for r in SeqIO.parse(handle, "gb"))

67518

>>> handle.close()

2.4 保存序列文件到字典，默认序列id作为key,value是序列的Seq对象

Bio.SeqIO.to_dict()内存占用大，每个条目以 SeqRecord 对象形式存储在内存中，你修改这些条目。

Bio.SeqIO.index() 处于中间水平，类似于只读字典，当需要时解析序列到 SeqRecord 对象。

Bio.SeqIO.index() ，工作原理上略有不同。尽管仍然是返回一个类似于字典的对象，它并不将所有的信息存储在内存中。相反，它仅仅记录每条序列条目在文件中的位置 - 当你需要读取某条特定序列条目时，它才进行解析。注：index()只接受文件名，不接受句柄。如：

>>> from Bio import SeqIO

>>> orchid_dict = SeqIO.index("ls_orchid.gbk", "genbank")

>>> len(orchid_dict)

94

Bio.SeqIO.index_db() 也类似于只读字典，但是将文件中的ID和文件偏移值存储到硬盘(SQLite3数据库)，这意味着它对内存需求很低(请见第 5.4.3 节)，但会慢一点。

如：>>> from Bio import SeqIO

>>> orchid_dict = SeqIO.to_dict(SeqIO.parse("ls_orchid.gbk", "genbank"))

2.5 来自 Bio.SeqIO.index() 的字典样对象以 SeqRecord 对象形式返回序列条目。但是，有时候从文件中直接获取原始数据非常有用。对于此种情况，使用 get_raw() 方法获取文件原始数据，方便选择序列再写入

>>> from Bio import SeqIO

>>> uniprot = SeqIO.index("uniprot_sprot.dat", "swiss")

>>> handle = open("selected.dat", "w")

>>> for acc in ["P33487", "P19801", "P13689", "Q8JZQ5", "Q9TRC7"]:

... handle.write(uniprot.get_raw(acc))

>>> handle.close()

2.6 序列写入，序列文件格式转换

Bio.SeqIO.write() 输出序列(写入文件)。该函数需要三个参数：某些 SeqRecord 对象，要写入的句柄或文件名，和序列格式

from Bio import SeqIO

records = SeqIO.parse("ls_orchid.gbk", "genbank")

count = SeqIO.write(records, "my_example.fasta", "fasta")

print "Converted %i records" % count

或：

from Bio import SeqIO

count = SeqIO.convert("ls_orchid.gbk", "genbank", "my_example.fasta", "fasta")

print "Converted %i records" % count