问题标签 [genbank]

我正在尝试根据字符串“//”来分隔文件的记录。

我试过的是：

其中“******”等只是向我显示记录已拆分的痕迹。

但是，该文件还包含/（由它们自己）并且我的踪迹 ******正在那里打印，这也意味着 awk 也将它们解释为我的记录分隔符。

我怎样才能让 awk 只在//????上拆分记录

更新：我在 Unix 上运行（OS X 附带的那个）

我找到了一个临时解决方案，即：

但是必须有更好的方法，尤其是对于我正在处理的大量文件。

我有一个错误的 .gbk 文件，并且我有遵循以下格式的更正列表

“核苷酸的地址：正确的核苷酸”

我知道如何打开和解析精确的原始序列

我只需要知道如何用我自己的核苷酸校正来替换它。我试过了

dna_refseq 只是一个构成整个基因组的列表

我在文档或在线的任何地方都找不到这个特定的动作，直观地说，这是 biopython 应该能够做到的。

我的代码如下所示：

倒数第二行给了我这个错误：

我的文件看起来不错 - 它不是空的或任何东西。有很多记录，据我所知，它的格式是正确的。我到底做错了什么？

我注意到这适用于其他数据库 - 例如“核苷酸”。是 Pubmed 的问题吗？这需要不同的格式吗？谢谢。

我是 Biopython 新手，在解析 genbank 文件时遇到性能问题。

我必须解析很多 gb 文件，从中我有入藏号。解析后，我只想检查文件的分类和细胞器。现在，我有这个代码：

为了寻找分类法，我有：

这（整个脚本）工作正常。我的问题是我下载整个 gb 文件（有时很大）只是为了查看这两个特征：细胞器和分类。如果我只能下载 gb 文件的这一部分，我的脚本会快得多，但我还没有弄清楚这是否可能。

有人知道这是否可以做到，如果可以，怎么做？非常感谢提前

我一直在 Genbank 上看到警告说他们正在逐步淘汰 GI 编号，并保存了许多 fasta 文件，我以以下格式编辑了标题：

我什至不知道从哪里开始，但有没有一种方法，最好是使用 python，我可以从 NCBI 获取每个 gi 的相应登录号，并输出一个带有如下标题的文件：

这是文件格式的另一个示例：

编辑/更新：

我正在制作哺乳动物 456 个 FOXP2 基因序列的 genbank 文件的本地数据库，这些序列来自一个blastn。我使用“ape”R 包来探索 genbank 文件，我使用了具有 456 个 ID 的 read.genbank 函数并将结果存储在一个对象上。我想从所有这些哺乳动物序列中对啮齿动物进行子集化，但是该对象具有的唯一属性是名称（ID）、类别、描述和物种。有没有一种方法可以过滤我的文件以便只获取啮齿动物？

我想用 python 2.7 从 Entrez 收集蛋白质 FASTA 序列。我正在寻找任何具有关键字的蛋白质：名称中的“终止酶”和“大”。到目前为止，我得到了这段代码：

然而，它可以让我从各种生物体中获得几个终止酶，而我只需要形成噬菌体的终止酶（特别是病毒 [taxid 10239]，宿主细菌。我已经设法从我感兴趣的病毒的 NCBI 获得了 nuccore 登录 ID，但是我不知道如何结合这两个信息。id文件如下所示：

我是否需要访问每个 ID 的每个 gb 文件并在其中搜索我想要的蛋白质？

我有超过 1000 个 .gbff.gz 基因组文件，我想从每个文件中提取元数据，并将元数据条目放在单独的列中。

示例：http ://www.ncbi.nlm.nih.gov/nuccore/?term= trocholejeunea 其中 4 页有 79 个项目，但是，当我通过单击“上一个”或“下一个”浏览页面时，地址变成了 http://www.ncbi.nlm.nih.gov/nuccore/ 最后加“&page=2”是不行的，源码中看不到href或者javascript：

我想知道这是如何实现的，以及如何通过java对其进行爬取？谢谢！

我有一组当前可用于一个文件的命令：

（我知道，效率不是很高，但对我有用）。简而言之，它的作用是：它从 stringABC到LOCUSfile输出行mainfile.gbk，然后是几个sed&grep命令使文件可解析，最后将所有内容写入一个新文件ABC.txt。

现在我想在字符串列表上迭代该命令，即

list.txt

这样每一行 fromlist.txt被取出并分配给一个变量，然后运行命令，最后list.txt输出一个文件中的每一行。

我想把命令放在一个while read line循环中，但不知何故，变量的分配不起作用/它们没有传递给命令......