利用python快速转换GenBank和RefSeq的染色体号

已于 2022-04-25 19:02:50 修改
阅读量1.4k 收藏 3
点赞数 1
分类专栏： 数据分析和处理 文章标签： python bash
于 2022-04-25 19:01:09 首次发布
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/weixin_56070595/article/details/124409318
版权

 1.解决问题：在NCBI中参考基因组的GenBank和RefSeq sequence拥有不同的染色体号（如下图），某些情况下需要进行染色体号的相互转化。故自己写一个python脚本，进行简易的转化。

<
Molecule name GenBank sequence RefSeq sequence Unlocalized
sequences count
Chromosome 1 CM000812.5 = NC_010443.5 0
Chromosome 2 CM000813.5 = NC_010444.4 0
最低0.47元/天 解锁文章
橡皮泥的记忆
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python 光速入门 15：chr(unicodeNumber) 将Unicode号码转化成对应的字符 - YDOOK
YDOOK
03-04 925
Python 光速入门 15：占位 - YDOOK
python学习——读取染色体长度（五：从命令行输入染色体长度）
weixin_30478619的博客
04-29 165
# 传递命令行参数 # 导入sys模块 import sys print(sys.argv) 命令行操作 python argv.py 10 20 30 40 50 回车输出 ['argv.py', '10', '20', '30', '40', '50'] # 方法一，删掉第0个元素 del(sys.argv[0]) print(sys.argv) 命...
Nr,GenBank, RefSeq, UniProt 数据库的异同
weixin_33861800的博客
03-26 1214
Nr,GenBank, RefSeq, UniProt 数据库的异同   有的文章在做DEG分析时，会把reads比对到RefSeq的转录组上。我也没搞清楚这和直接比对到常规转录组上有什么区别。 文章：Single-Cell Transcriptome Analysis Reveals Dynamic Changes in lncRNA Expression during Reprogram...
本地使用Python通过染色体id+位置查询基因名列表
Javis486的专栏
10-18 4860
简介 通常使用bwa做mapping后会获得sam文件，而sam文件包含2个重要的字段：该序列mapping上的染色体id和位置(比如第2列(chr5)和第3列(36345037)) KMER_44 0 chr5 36345037 37 7M1D24M * 0 0 CTGATGCAAAAAAAAAAAAGCTTTTTTG...
genbank版本的基因组和refseq版本的基因组有何区别
weixin_53682198的博客
04-28 4357
genbank版本的基因组和refseq版本的基因组有何区别 如何查找旧版本的基因组信息?
phyloboost:Python管道来计算Genbank的系统发育信息
05-21
Phyloboost是一个python管道，它允许从序列的输入数据集中构造，增强和可视化基于相似度集群的树集。 终点是一个数据对象，可以探索或用来量化出现在用作输入的任何数据集中的系统发育信号。 尽管最初是作为一种...
DnaFeaturesViewer:用于绘制DNA序列特征的Python库（例如，来自Genbank文件）
05-06
DNA Features Viewer（是完整文档）是一个Python库，用于可视化DNA特征，例如来自GenBank或​​Gff文件或Biopython SeqRecords： Dna Feature Viewer甚至可以为具有许多重叠特征和长标签的序列自动生成简单明了的...
restez:在 R 中创建和查询 GenBank 的本地副本
05-29
通常通过NCBI API Entrez从GenBank和相关NCBI分类数据库下载序列和序列信息。 但是，Entrez对请求的数量有限制，以这种方式下载大量序列数据可能效率很低。 对于进行多次Entrez调用的程序化情况，下载可能需要几天...
gb2fasta：Perl脚本，用于将GenBank记录转换为FASTA格式
02-05
`gb2fasta`脚本使用Perl的内置功能和模块来解析GenBank文件，并将其内容转换成FASTA格式。GenBank文件包含了序列的详细信息，如物种信息、序列长度、注释、特征表等，而FASTA文件则只包含序列本身以及一个简短的描述...
简述利用Python批量下载生物序列.zip
10-16
通过这种方式，我们可以灵活地利用Python批量下载和管理生物序列数据，为后续的生物信息学分析奠定基础。在实际操作中，请确保遵循目标数据库的使用条款，并合理控制请求频率，以免对服务器造成过大的负担。
数据集是 seq 文件的处理办法
a1424262219的博客
03-17 2141
数据集是 seq 文件的处理办法 2017-03-17 最近下了一个数据集，是 seq 格式的，第一次处理这种数据。使用了官方提供的 matlab 工具包：https://pdollar.github.io/toolbox/index.html 先下载咯： 然后，添加工具包的路径： 1 Simply unzip, then add all di...
gatk BQSR中gtak BaseRecalibrator 出现基因组染色体号与SNP数据染色体号对应不上错误
qq_47054630的博客
05-29 1550
gtak BaseRecalibrator 利用SNP数据库检测变异出现错误
基因ID命名及相互转换
qq_20095851的博客
11-01 3万+
整理参考：ID转换不用慌，biomart帮你忙 由于ID来自于不同的数据库，或者说命名的意图不同，所以对于同一个基因，总是有多个不同的ID，最常见的比如entrze ID、ensembl ID、HGNC ID、refseq ID等。 Entrze ID:是美国NCBI数据库中的基因标识符，通常是由纯数字表示，比如人类TP53基因的Entrze ID是7157（注意，不同物种的基因ID是不同的）...
GFF/GTF简介及格式转换
weixin_56827666的博客
04-27 6086
最近做转录组的比对时，在建立索引过程中，遇见一个问题，就是我从ncbi下载的序列文件和gtf文件中，染色体命名规则竟然不一样，但序列文件和gff文件染色体命名规则是一样的，具体来说：序列文件和GFF文件中染色体位置以GWHAMMI开头，可是，gff文件又没办法直接和基因组fasta文件搭配使用，只好将 gff文件转gtf文件了。gff和gtf格式都可以储存基因信息，有很多共同点，存储信息侧重点又不一样，最主要的是不同的软件对于文件格式的要求不同，有时候你找不到需要的格式文件时，就得用另一个格式文件进行转换，
python匹配替换match_使用Perl和Python实现R match()字符串匹配替换
weixin_39720516的博客
12-09 168
文件1，需要匹配的字符串对应列表(制表符分割的纯文本文件)：1NC_010443.52NC_010444.43NC_010445.44NC_010446.55NC_010447.56NC_010448.47NC_010449.58NC_010450.49NC_010451.410NC_010452.411NC_010453.512NC_010454.413NC_010455.514NC_01045...
NCBI genebank refseq 编号意义
清风的博客
10-18 5690
最近在做virus detection 用到NCBI genebank的病毒库，发现gene bank refseq里面编号很多，贴在下面，有助记忆。 genebank的病毒参考序列库，最近一次更新去掉了GI号，只保留NC或AC号，可以看出全部是完整基因组序列。 另外， 该序列库是非冗余库(non-redundant)，总共只有9556个序列，其中NC 9533个，AC 23个， 可以用g...
Gene id 转换(四种基因各种id转换方法)
热门推荐
weixin_40739969的博客
04-17 11万+
对于这三种方法的使用参数在代码里面写了，你可以看看 先把基因集对应的注释包安装了，并且加载出来 library(org.Hs.eg.db)#这个是属于注释包，每个基因集可能对应的注释包不一样，要从基因集所在的平台找到对应的注释包，然后从bioconductor获取安装。 基因集准备 data(geneList, package="DOSE") gene <- names(geneList)...
生物信息中的Python 05 | 从 Genbank 文件中提取 CDS 等其他特征序列
Baimoc
09-20 1万+
1 介绍 在基因结构分析或其他生物功能分析中会时常用到 CDS 序列，以及其他诸如 mRNA 序列，misc_RNA序列等具有生物意义的序列片段。而NCBI 的基因库中已经包含有这些的信息，但是只有一部分是整理可下载的。而剩下的一部分可以通过 genbank给出的位点信息来提取，个人能力有限，这里只做抛转之用。下面以提取 CDS 为例，记录提取序列过程，其他特征序列类似。 2 结构目录 3 Py...
python遗传算法之geatpy学习
柳小葱的博客
04-10 1万+
使用python语言对遗传算法进行学习，主要是通过geatpy包的内容，对遗传算法的概念和编码矩阵方式进行了解。学习使用遗传算法解题的框架。
将Subject id转化为NCBI RefSeq或GenBank格式的序列标识符的具体步骤
最新发布
06-02
将Subject id转化为NCBI RefSeq或GenBank格式的序列标识符，可以通过NCBI的Entrez工具或GenBank的FASTA文件来完成。 下面是使用NCBI的Entrez工具来进行Subject id转换的具体步骤： 1. 访问NCBI的Entrez网站：https://www.ncbi.nlm.nih.gov/gquery/ 2. 在搜索栏中输入Subject id，并选择“Nucleotide”作为数据库。点击“搜索”。 3. 在搜索结果页面中，选择需要转换的Subject id对应的序列，点击序列名称进入序列页面。 4. 在序列页面的右上方，找到“Send to”菜单，选择“File”作为输出格式，选择“GenBank”或“FASTA”格式，并点击“Create File”。 5. 在弹出的对话框中，选择“Accession List”选项，并在文本框中输入需要转换的Subject id。点击“Create File”。 6. 下载生成的文本文件，其中包含了转换后的NCBI RefSeq或GenBank格式的序列标识符。 如果不想下载文件，也可以直接在搜索结果页面中复制转换后的RefSeq或GenBank格式的序列标识符。
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