高效筛选GenBank序列中目标字段.pdfVIP

#源代码#过滤GenBank数据中的specifiedfields

Peaker

在GenBank数据库中我们可以获得所有物种的组数据，是当

今最完整最全面的有关遗传序列的一级数据库。NationalCenterfor

BiotechnologyInformation(NCBI)attheNationalLibraryofMedicine

(NLM),NationalInstitutesofHealth(NIH)等机构负责产生和分布

GenBank序列数据。GenBank同样也是组数据record记录的

文件格式。BioPYTHON有一些专门用于解析处理GenBank格式文件的

包，例如Bio.SeqIO。

ExtractingSelectedProteinSequences

研究者想要从GenBank中抓取每个Nicotianatabacum线粒体中

NADH蛋白序列信息，可以用下面代码实现

代码分两部分

第一部分我们调用SeqRecord和Seq函数，对名为MTtabacum.gbk

的GenBank格式文件进行解析处理，后进行一个迭代循环，

每一个feature，遍历所有feature后pick参数。

第二部分一些我们想要的参数，如ID，sequence，record

记录等写入fasta格式文件中，关闭文件。

ExtractingtheUpstreamRegionofSelectedProteins

在起始上游通常存在一些调控元素，它们包括转座子，激活

子，启动子等等，可以启动信号，TATA盒等。我们从GenBank一

列，包括cox2,atp6,atp9,cob，我们想要在他们上游抓取1000碱

基的序列。实现方法如下

本文吗？欢迎加入云生信跟大家一起进步~