我正在编写一个csv阅读器来生成Genbank文件以捕获带有序列的注释。
首先我使用了Bio.SeqRecord并获得了正确格式化的输出,但是SeqRecord类缺少我需要的字段。
Blockquote功能位置/限定符 HCDR1 27..35 HCDR2 50..66 HCDR3 99..109
我切换到Bio.GenBank.Record并拥有所需的字段,除了现在注释格式错误。它不能有额外的“type:”“location:”和“qualifiers:”文本,而且信息都应该在一行上。
Blockquote功能位置/限定符 类型:HCDR1 地点:[26:35] 预选赛: 类型:HCDR2 地点:[49:66] 预选赛: 类型:HCDR3 地点:[98:109] 预选赛:
拉取注释的代码对于两个版本都是相同的。只有班级改变了。
# Read csv entries and create a container with the data
container = Record()
container.locus = row['Sample']
container.size = len(row['Seq'])
container.residue_type="PROTEIN"
container.data_file_division="PRI"
container.date = (datetime.date.today().strftime("%d-%b-%Y")) # today's date
container.definition = row['FullCloneName']
container.accession = [row['Vgene'],row['HCDR3']]
container.version = getpass.getuser()
container.keywords = [row['ProjectName']]
container.source = "test"
container.organism = "Homo Sapiens"
container.sequence = row['Seq']
annotations = []
CDRS = ["HCDR1", "HCDR2", "HCDR3"]
for CDR in CDRS:
start = row['Seq'].find(row[CDR])
end = start + len(row[CDR])
feature = SeqFeature(FeatureLocation(start=start, end=end), type=CDR)
container.features.append(feature)
我查看了Bio.Genbank.Record的源代码,但无法弄清楚为什么SeqFeature类与Bio.SeqRecord相比具有不同的格式输出。
是否有一个优雅的解决方案,还是我写了一个单独的工具来重新格式化Genbank文件中的注释?
在再次阅读源代码之后,我发现Bio.Genbank.Record有自己的Features方法,它将键和位置作为字符串。它们在输出Genbank文件中正确格式化。
CDRS = ["HCDR1", "HCDR2", "HCDR3"]
for CDR in CDRS:
start = row['Seq'].find(row[CDR])
end = start + len(row[CDR])
feature = Feature()
feature.key = "{}".format(CDR)
feature.location = "{}..{}".format(start, end)
container.features.append(feature)