利用Python读取fasta文件并进行一系列操作(二)
概览:
本节目标:通过上一节所输出的txt输出ABO蛋白
以及ABO基因的外显子fasta文件
语言: python3.8
模块:biopython
ssl
可选:jupyter
整体思路:通过ncbi获取ABO基因外显子位置(爬虫),并读取txt,根据位置信息获取外显子序列,再通过外显子
序列输出mRNA序列
以及蛋白序列
前排提示:本教程不管生物,有知识盲区自己补
步骤:
- 设置ssl,要不debug后总会有bug
- 从这步开始调用
biopython
,设置邮箱(不要瞎填!!瞎填还不如不填!!!) - 设置有关
搜索ncbi
的函数以及参数,获取人类ABO基因的mRNA
相关资料所对应id
- 获取人类ABO基因的
mRNA
相关资料 - 将获取的所有资料进行处理,得到
外显子位置
- 获取
外显子序列
,并将所有外显子数据写入
新创建的fasta
文件中
代码:
from Bio import Entrez
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord
from Bio import SeqIO
import ssl
# 设置ssl,要不debug后总会有bug
ssl._create_default_https_context = ssl._create_unverified_context
# 设置邮箱(不要瞎填!!瞎填还不如不填!!!)
Entrez.email = 'yhl030410@163.com'
# 设置有关搜索ncbi的函数以及参数,获取人类ABO基因的mRNA相关资料所对应id
handle = Entrez.esearch(db = 'nucleotide',term = 'Homo sapiens ABO, alpha 1-3-N-acetylgalactosaminyltransferase and alpha 1-3-galactosyltransferase (ABO), mRNA')
record = Entrez.read(handle)
# 获取人类ABO基因的mRNA相关资料
id = record["IdList"][0]
handle = Entrez.efetch(db = 'nucleotide', id = id, rettype = 'gb', retmode = 'text')
data = handle.read()
# 将获取的所有资料进行处理,得到外显子位置
exons_l = []
for i in data.split('\n'):
if 'exon' in i:
exons_l.append(i.split())
exons_num = {}
for i in range(len(exons_l)):
exons_num[f'exon{i+1}'] = exons_l[i][-1].split('..')
# 获取外显子序列,并将所有外显子数据写入新创建的fasta文件中
iter_exon = exons_num.keys()
with open('ABO_seq.txt', 'r') as f:
seq = f.read()
data = []
for i in iter_exon:
start = int(exons_num[i][0]) - 1
end = int(exons_num[i][-1]) - 1
exon_seq = seq[start:end]
seqs = SeqRecord(Seq(exon_seq), id = i, description = 'Homo sapiens ABO exons')
data.append(seqs)
SeqIO.write(data, 'ABO_exons.fa', 'fasta')
获取蛋白序列继续往下看:
接上面步骤:
- 将获取的外显子序列用
Seq
函数转为biopython类型
- 将外显子
倒序并转录
- 将转录出的mRNA序列
翻译
为蛋白质序列
代码:
#获取mRNA序列
seq = []
for i in iter_exon:
start = int(exons_num[i][0]) - 1
end = int(exons_num[i][-1]) - 1
exon_seq = seq[start:end]
seq.append(exon_seq)
seq = Seq(seq.join())
mrna = seq.reverse_complement().transcribe()
protein = mrna.translate()