问题标签 [genbank]

一个简单的问题：如何使用 R 检索 genBank 中引用/存放的样本的地理来源？

最好的，谢谢！

佩德罗

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 并获得了正确格式的输出，但 SeqRecord 类缺少我需要的字段。

Blockquote 特点 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，但现在注释格式错误。它不能有额外的“类型：”“位置：”和“限定符：”文本，并且信息应该都在一行上。

Blockquote 功能 位置/限定符
类型：HCDR1
位置：[26:35]
限定符：
类型：HCDR2
位置：[49:66]
限定符：
类型：HCDR3
位置：[98:109]
限定符：

两个版本的拉注代码是相同的。只有班级发生了变化。

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。

是否有一个优雅的修复或者我编写一个单独的工具来重新格式化 Genbank 文件中的注释？

我的代码有问题。我正在尝试使用 BioPython 遍历 genbank 文件的基因列表。这是它的样子：

看起来它应该可以工作，但是当我运行它时，生成的结构genBankEntries只是一个巨大的堆栈，大小与 genbank 文件中的基因数量相当，但只有 seq_record.features 中的最终值作为每个列表元素：

这尤其令人困惑，因为两个 for 循环似乎都可以正常工作：

为什么是这样？

我从 Nucleotide db 下载完整记录时遇到问题。我用：

这给了我一个简短版本的 gb 文件，所以命令：

不返回功能。

相比之下，当我用 GenBank ID 做同样的事情时没有问题：

之后，我可以从列表 seq_record.features 中提取每个带注释的特征。

有没有办法使用 Efetch 下载完整的 RefSeq 记录？

我有一个约 3 GB 的 Genbank 文件，其中包含约 20,000 个细菌基因组序列的完整 Genbank 注释。我的目标是使用 BioPython 来解析这些序列，并为非重复序列编写单独的 fasta 文件，如下所示：

这对于前约 2,000 个序列非常有效，但随后到达带有无效页脚的条目并产生错误消息 ValueError: Sequence line mal-formed 'title>NCBI/ffsrv11 - WWW Error 500 Diagnostic'。

我设法找到了导致错误的序列，所以我想做的是从我的 Genbank 文件中删除它，然后手动将其下载为 fasta 文件。但是，我无法在文本编辑器中打开文件（由于其大小），也无法解析文件（由于错误），所以我想知道是否有人知道如何删除基于 Genbank ID 的序列。我对非 python 选项持开放态度。

先感谢您，

丹尼尔

我正在尝试解析 genbank 文件以查找特定功能。如果我知道特征类型（例如repeat_region），我可以把它拉出来——例如，如果我正在寻找这个特征：

我知道我可以使用以下方法找到它：

但我不相信它会永远是一个repeat_region。相反，我想按标签（5' ITR）查找它。我似乎可以找到一种从特征对象中解析它的方法。有什么建议么？

对于学校，我必须在一个带有很多空格的单词之后解析一个字符串，但我就是无法理解。因为文件是基因库。

例如：

我试过的是这个。

但我得到的是：

这是它得到的唯一东西，我想让输出像

所以我不知道该怎么做，我试图让它像最后一个输出一样。但没有成功。我的老师告诉我，我必须这样做。如果 BLA 是 True 你可以去迭代它。如果你看到“//”，你必须停下来，但是当我用那个 True - 语句尝试它时，我什么也没得到。

我试图在网上搜索它，它说我必须用 bio seqIO 来做。但是老师说我们不能用那个。

我有一个Genbank包含许多序列的文件。我在 TSV 中有第二个文本文件，其中包含这些序列的名称以及有关它们的一些其他信息，我将其作为 pandas 数据框读取。我使用 .sample 函数从该数据中随机选择一个名称，并为其分配了变量n_name，如下面的代码块所示。

n_name等于genbank文件中的轨迹名称，并且大小写准确。我正在尝试解析genbank文件并提取具有locus = n_name. 该genbank文件名为all.gb. 我有：

但我不太确定下一行或 2 应该是什么，按轨迹解析？有任何想法吗？

尝试使用BioPython中的Seq和SeqIO对象读取包含基因组序列的文件。无法使用打开命令。该程序应该接受一个命令行参数，其中包含包含输入基因组的FASTA文件的名称。

它制作了文件，但文件中没有任何内容。不确定我错过了什么？

这就是我所拥有的：

我是 python 和 biopython 的新手，所以如果我问的东西真的很愚蠢或荒谬，请多多包涵；P

所以我正在研究一个学校的小组项目，我被要求编写一个必须包含的 genbank 文件：

• 对于每个重叠群：名称、环状与否、蛋白质数量、CG%、分类学类别、基因组
• 对于每个蛋白质：直系群、链、坐标、核序列和蛋白质序列，最后是分类注释。

这是我的代码

输出是这样的

有人可以告诉我如何使用 biopython 函数添加特征序列吗？以及如何删除一些不需要的部分，例如 VERSION。我也注意到 biopython 创建带有日期的 genbank 文件，但它不正确，我想摆脱它。

感谢您的所有帮助。