Biopython – Formatos de archivo de secuencia

El módulo Bio.SeqIO de Biopython proporciona una amplia gama de interfaces simples y uniformes para ingresar y generar los formatos de archivo deseados. Este formato de archivo solo puede manejar las secuencias como un objeto SeqRecord . Las strings en minúsculas se utilizan al especificar el formato de archivo. Los mismos formatos también son compatibles con el módulo Bio.AlignIO . La lista de los formatos de archivo se proporciona a continuación:

A continuación, la implementación explica cómo analizar dos de los formatos de archivo de secuencia más populares, es decir, FASTA y GenBank .

RÁPIDO:

Es el formato de archivo más básico para almacenar datos de secuencia. Originalmente , FASTA era un paquete de software creado durante la evolución temprana de la bioinformática para la alineación de secuencias de proteínas y ADN, utilizado principalmente para buscar similitudes. A continuación se muestra un ejemplo simple de análisis del formato de archivo FASTA :

Ejemplo:

Para obtener el archivo de entrada utilizado, haga clic aquí .

# Import libraries
from Bio.SeqIO import parse
  
# file path/location
file = open('is_orchid.fasta') 
  
# Parsing the FASTA file
for record in parse(file, "fasta"): 
    print(record.id)

Producción:

banco de genes:

Formato de secuencia más rico para genes que incluye varias anotaciones. Analizar el formato GenBank es tan simple como cambiar la opción de formato en el método de análisis de Biopython . A continuación se muestra un ejemplo simple de análisis del formato de archivo GenBank :

Ejemplo:

Para obtener el archivo de entrada utilizado, haga clic aquí .

# Import libraries
from Bio import SeqIO
from Bio.SeqIO import parse
  
# Parsing Sequence
seq_record = next(parse(open('is_orchid.gbk'), 'genbank'))
  
# Sequence ID
print("\nSequence ID :", seq_record.id)
  
# Sequence Name
print("\nSequence Name :", seq_record.name)
  
# Sequence
print("\nSequence  :", seq_record.seq)
  
# Sequence Description
print("\nSequence ID :", seq_record.description)
  
# Sequence Annotations
print("\nSequence Annotations :", seq_record.annotations)

Producción: