import pandas as pd
from Bio import Entrez
from Bio import SeqIO
Entrez.email = 'fg_dean@163.com'
accession = pd.read_table('accessionID.txt', header=None)
ids = ','.join(accession.iloc[:, 0])
handle = Entrez.efetch(db='nucleotide', id=ids, rettype='fasta', retmode='text')
records = SeqIO.parse(handle, 'fasta')
output = 'test.fa'
SeqIO.write(records, output, 'fasta')
1.设置NCBI Entrez电子邮件:
Entrez.email = 'fg_dean@163.com'
NCBI的Entrez系统要求用户提供电子邮件地址,以便在使用API过程中出现问题时进行联系。这里设定的电子邮件地址为'fg_dean@163.com'
。
2.读取存取号:
accession = pd.read_table('accessionID.txt', header=None)
ids = ','.join(accession.iloc[:, 0])
脚本从一个名为'accessionID.txt'
的文本文件中读取存取号,此文件中每一行包含一个存取号。使用Pandas读取文件时不假定文件有标题行。然后,将所有存取号连接成一个以逗号分隔的字符串,以供Entrez API使用。
3.从NCBI检索序列:
handle = Entrez.efetch(db='nucleotide', id=ids, rettype='fasta', retmode='text')
通过BioPython的Entrez模块中的efetch
函数,脚本根据存取号从NCBI数据库中检索核酸序列。参数rettype='fasta'
指定返回数据的格式为FASTA格式,而retmode='text'
确保数据以文本流的形式返回,便于后续处理。
4.解析并写入序列:
records = SeqIO.parse(handle, 'fasta')
output = 'test.fa'
SeqIO.write(records, output, 'fasta')
使用BioPython的SeqIO.parse
函数读取以FASTA格式返回的文本流,并将其解析为SeqRecord对象的迭代器。之后,使用SeqIO.write
将这些记录写入名为'test.fa'
的新文件中,同样指定输出格式为FASTA。