【脚本】从gbk文件中提取蛋白质序列以及注释信息

当我们下载大量的gbk文件时，我们可以从gbk文件中提取蛋白质序列，CDS序列，tRNA以及rRNA序列，以便于下载对这些序列做进一步的分析，如进行找同源单拷贝基因，基于16SrRNA构建进化树等等。

这次分享的脚本是从gbk文件中，提取蛋白质以及蛋白质质对应的注释信息。

脚本运行环境

安装python解释器：安装教程

安装biopython模块

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

查看脚本参数

 python gbk_extea_protein.py -h 

实战演练

# 只提取蛋白质序列和蛋白质ID
python gbk_extea_protein.py -g AE009952.gbk  -a F -o AE009952.fna
# 提取蛋白质序列以及序列的注释信息
python gbk_extea_protein.py -g AE009952.gbk  -a T -o AE009952.faa

结果展示

注意事项

01脚本需要依赖于Biopython模块，请提前安装，否则脚本无法运行。

02对于基因组较大的真核生物，如人基因组，gbk文件有多个染色体组成，不包含蛋白序列文件，这样的gbk文件无法使用脚本提取蛋白质序列。

03有些gbk文件，作者在上传gbk文件时，没有公开蛋白质序列以及蛋白质注释信息，这样的gbk文件无法使用脚本提取蛋白质序列。