脚本分享—gbk文件中提取核苷酸序列以及注释信息

脚本简介：

• 提取特定类型的基因功能元件序列 脚本可从 GBK 格式的注释文件中提取三类常见的功能元件序列：
  • CDS（编码序列）
  • rRNA（核糖体RNA）
  • tRNA（转运RNA）
• 自动读取并解析 GenBank 格式文件 使用 Biopython 库的 SeqIO 模块读取 GBK 文件，自动解析注释信息和序列内容，确保提取位置准确。
• 构建带注释信息的 FASTA 格式输出 提取的每条序列会以 FASTA 格式输出，标题中包含 feature 的 locus_tag 和 product 注释，便于后续分析和追踪来源。
• 可灵活用于多种基因组注释处理场景 脚本适用于细菌、病毒、原核和部分真核生物的注释信息提取，广泛用于功能基因挖掘、rRNA/tRNA 分析、下游功能注释等生物信息学流程中。

安装biopython模块：

# 使用pip安装
pip install biopython
# 使用conda安装
conda install -c bioconda biopython

查看脚本帮助文档：

python Gbk_extea_nucleotide.py -h

脚本使用方法：

1）脚本准备文件如下图所示

图片

2）注意事项

• 若 GBK 文件中不包含完整的基因组序列（如部分注释文件），可通过参数 -f 提供一个对应的基因组 FASTA 文件，脚本会从中提取 feature 对应的核酸序列；
• 程序依赖于biopython模块，需要提前安装好；

实战演习

# 提取CDS序列以及注释信息
python Gbk_extea_nucleotide.py -g NC_000913.gbk -t CDS -o NC_000913_cds.fnn
# 提取rRNA序列以及注释信息
python Gbk_extea_nucleotide.py -g NC_000913.gbk -t rRNA -o NC_000913_rRNA.fnn
# 提取tRNA序列以及注释信息
python Gbk_extea_nucleotide.py -g NC_000913.gbk -t tRNA -o NC_000913_tRNA.fnn

结果展示