python-2.7 - 通过对应的Ensembl Gene ID批量检索EMBL-Bank ID

Question

作为Gene Expression Atlas的搜索结果，我得到了大约 5000 个基因的列表。从结果页面，我可以将所有结果下载到一个文件中。该文件包含每个基因的基因标识符（Ensembl Gene ID）。所以现在我想要每个 Ensembl Gene ID 对应的 EMBL-Bank ID，这样我就可以从Dbfetch批量下载它们的核苷酸序列。任何人都知道我们怎样才能做到这一点？我们可以使用 biopython 来实现吗？

Answer 1

您可以下载的文件采用自定义的制表符分隔格式（Biopython 的解析器都无法处理）。

相反，您可以只使用该csv模块来提取您想要的内容：

import csv


with open("listd1.tab") as tab_file:
    data_lines = (line for line in csv_file if not line.startswith("#"))
    csv_data = csv.reader(data_lines, delimiter="\t")
    header = csv_data.next()  # ['Gene name', 'Gene identifier', ...]
    gene_id_index = header.find("Gene identifier")

    for line in csv_data:
        gene_id = line[gene_id_index]  # Do whatever you'd like with this