【脚本】从gbk文件中提取核苷酸序列以及注释信息

上周小编给大家分享了从gbk文件中提取蛋白质序列以及注释信息。今天小编接着给小伙伴们分享很实用的脚本，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16S rRNA构建进化树等等。

这次小编分享的脚本是从gbk文件中，提取CDS、rRNA和tRNA序列以及对应的注释信息。

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_nucleotide.py -h

实战演练

# 提取CDS序列以及注释信息
python gbk_extea_nucleotide.py -g k12.gbk -t CDS -o k12_cds.fnn
# 提取rRNA序列以及注释信息
python gbk_extea_nucleotide.py -g k12.gbk -t rRNA -o k12_rRNA.fnn
# 提取tRNA序列以及注释信息
python gbk_extea_nucleotide.py -g k12.gbk -t tRNA -o k12_tRNA.fnn

结果展示

脚本说明

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此脚本只适用于gbk文件中包含有基因组序列信息的核苷酸序列的提取。