- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在试验 BCBio 的 GFF 解析器,希望能将它用于我的工具。我从 NCBI 的 RefSeq 数据库中获取了一个测试 .gbk 文件,并用它解析成一个 .gff 文件。
我使用的代码(来自 http://biopython.org/wiki/GFF_Parsing ):
#!/usr/bin/python
from BCBio import GFF
from Bio import SeqIO
def convert_to_GFF3():
in_file = "/var/www/localhost/NC_009925.gbk"
out_file = "/var/www/localhost/output/your_file.gff"
in_handle = open(in_file)
out_handle = open(out_file, "w")
GFF.write(SeqIO.parse(in_handle, "genbank"), out_handle)
in_handle.close()
out_handle.close()
convert_to_GFF3()
部分结果如下:
##gff-version 3
##sequence-region NC_009925.1 1 6503724
NC_009925.1 annotation remark 1 6503724 . . . accessions=NC_009925;comment=PROVISIONAL REFSEQ: This record has not yet been subject to final%0ANCBI review. The reference sequence was derived from CP000828.%0ASource bacteria from Marine Biotechnology Institute Culture%0ACollection%2C Marine Biotechnology Institute%2C 3-75-1 Heita%2C Kamaishi%2C%0AIwate 026-0001%2C Japan.%0ACOMPLETENESS: full length.;data_file_division=CON;date=10-JUN-2013;gi=158333233;keywords=;organism=Acaryochloris marina MBIC11017;references=location: %5B0:6503724%5D%0Aauthors: Swingley%2CW.D.%2C Chen%2CM.%2C Cheung%2CP.C.%2C Conrad%2CA.L.%2C Dejesa%2CL.C.%2C Hao%2CJ.%2C Honchak%2CB.M.%2C Karbach%2CL.E.%2C Kurdoglu%2CA.%2C Lahiri%2CS.%2C Mastrian%2CS.D.%2C Miyashita%2CH.%2C Page%2CL.%2C Ramakrishna%2CP.%2C Satoh%2CS.%2C Sattley%2CW.M.%2C Shimada%2CY.%2C Taylor%2CH.L.%2C Tomo%2CT.%2C Tsuchiya%2CT.%2C Wang%2CZ.T.%2C Raymond%2CJ.%2C Mimuro%2CM.%2C Blankenship%2CR.E. and Touchman%2CJ.W.%0Atitle: Niche adaptation and genome expansion in the chlorophyll d-producing cyanobacterium Acaryochloris marina%0Ajournal: Proc. Natl. Acad. Sci. U.S.A. 105 %286%29%2C 2005-2010 %282008%29%0Amedline id: %0Apubmed id: 18252824%0Acomment:,location: %5B0:6503724%5D%0Aauthors: %0Aconsrtm: NCBI Genome Project%0Atitle: Direct Submission%0Ajournal: Submitted %2817-OCT-2007%29 National Center for Biotechnology Information%2C NIH%2C Bethesda%2C MD 20894%2C USA%0Amedline id: %0Apubmed id: %0Acomment:,location: %5B0:6503724%5D%0Aauthors: Touchman%2CJ.W.%0Atitle: Direct Submission%0Ajournal: Submitted %2827-AUG-2007%29 Pharmaceutical Genomics Division%2C Translational Genomics Research Institute%2C 13208 E Shea Blvd%2C Scottsdale%2C AZ 85004%2C USA%0Amedline id: %0Apubmed id: %0Acomment:;sequence_version=1;source=Acaryochloris marina MBIC11017;taxonomy=Bacteria,Cyanobacteria,Oscillatoriophycideae,Chroococcales,Acaryochloris
NC_009925.1 feature source 1 6503724 . + . db_xref=taxon:329726;mol_type=genomic DNA;note=type strain of Acaryochloris marina;organism=Acaryochloris marina MBIC11017;strain=MBIC11017
NC_009925.1 feature gene 931 1581 . - . db_xref=GeneID:5685235;locus_tag=AM1_0001;note=conserved hypothetical protein;pseudo=
NC_009925.1 feature gene 1627 2319 . - . db_xref=GeneID:5678840;locus_tag=AM1_0003
问题出在第三行和第四行:它从 .gbk 中获取完整的 header 信息并将其作为一行放入,而它应该跳过它。最后两行是正确的(输出文件的其余部分也是如此)。我试过使用几个不同的 .gbk 文件,所有文件都产生相同的结果。
作为引用,这里是 .gbk 文件的开头:
LOCUS NC_009925 6503724 bp DNA circular CON 10-JUN-2013
DEFINITION Acaryochloris marina MBIC11017 chromosome, complete genome.
ACCESSION NC_009925
VERSION NC_009925.1 GI:158333233
DBLINK Project: 58167
BioProject: PRJNA58167
KEYWORDS .
SOURCE Acaryochloris marina MBIC11017
ORGANISM Acaryochloris marina MBIC11017
Bacteria; Cyanobacteria; Oscillatoriophycideae; Chroococcales;
Acaryochloris.
REFERENCE 1 (bases 1 to 6503724)
AUTHORS Swingley,W.D., Chen,M., Cheung,P.C., Conrad,A.L., Dejesa,L.C.,
Hao,J., Honchak,B.M., Karbach,L.E., Kurdoglu,A., Lahiri,S.,
Mastrian,S.D., Miyashita,H., Page,L., Ramakrishna,P., Satoh,S.,
Sattley,W.M., Shimada,Y., Taylor,H.L., Tomo,T., Tsuchiya,T.,
Wang,Z.T., Raymond,J., Mimuro,M., Blankenship,R.E. and
Touchman,J.W.
TITLE Niche adaptation and genome expansion in the chlorophyll
d-producing cyanobacterium Acaryochloris marina
JOURNAL Proc. Natl. Acad. Sci. U.S.A. 105 (6), 2005-2010 (2008)
PUBMED 18252824
REFERENCE 2 (bases 1 to 6503724)
CONSRTM NCBI Genome Project
TITLE Direct Submission
JOURNAL Submitted (17-OCT-2007) National Center for Biotechnology
Information, NIH, Bethesda, MD 20894, USA
REFERENCE 3 (bases 1 to 6503724)
AUTHORS Touchman,J.W.
TITLE Direct Submission
JOURNAL Submitted (27-AUG-2007) Pharmaceutical Genomics Division,
Translational Genomics Research Institute, 13208 E Shea Blvd,
Scottsdale, AZ 85004, USA
COMMENT PROVISIONAL REFSEQ: This record has not yet been subject to final
NCBI review. The reference sequence was derived from CP000828.
Source bacteria from Marine Biotechnology Institute Culture
Collection, Marine Biotechnology Institute, 3-75-1 Heita, Kamaishi,
Iwate 026-0001, Japan.
COMPLETENESS: full length.
FEATURES Location/Qualifiers
source 1..6503724
/organism="Acaryochloris marina MBIC11017"
/mol_type="genomic DNA"
/strain="MBIC11017"
/db_xref="taxon:329726"
/note="type strain of Acaryochloris marina"
gene complement(931..1581)
/locus_tag="AM1_0001"
/note="conserved hypothetical protein"
/pseudo
/db_xref="GeneID:5685235"
gene complement(1627..2319)
/locus_tag="AM1_0003"
/db_xref="GeneID:5678840"
CDS complement(1627..2319)
/locus_tag="AM1_0003"
/codon_start=1
/transl_table=11
/product="NUDIX hydrolase"
/protein_id="YP_001514406.1"
/db_xref="GI:158333234"
/db_xref="GeneID:5678840"
/translation="MPYTYDYPRPGLTVDCVVFGLDEQIDLKVLLIQRQIPPFQHQWA
LPGGFVQMDESLEDAARRELREETGVQGIFLEQLYTFGDLGRDPRDRIISVAYYALIN
LIEYPLQASTDAEDAAWYSIENLPSLAFDHAQILKQAIRRLQGKVRYEPIGFELLPQK
FTLTQIQQLYETVLGHPLDKRNFRKKLLKMDLLIPLDEQQTGVAHRAARLYQFDQSKY
ELLKQQGFNFEV"
有谁知道我该如何解决这个问题?
我使用以下行来过滤掉前两行错误的行:
if "\tannotation\t" in line or "feature\tsource" in line:
这似乎适用于多个测试 .gbk。但我仍然很好奇为什么它首先要解析这些?
最佳答案
答案在您链接的维基页面 ( http://biopython.org/wiki/GFF_Parsing#Writing_GFF3 ) 中。 “GFF3Writer 采用 SeqRecord 对象的迭代器,并将每个 SeqFeature 写入 GFF3 行”。从.gbk
文件中解析出来的SeqRecord
对象包含这个注解,因此是作者自己写的。在实现(https://github.com/chapmanb/bcbb/blob/master/gff/BCBio/GFF/GFFOutput.py)中,您可以看到它在哪里完成:
self._write_annotations(rec.annotations, rec.id, len(rec.seq), out_handle)
您还可以看到为什么传递了 source
特性。它只是一个与其他特征(基因、CDS)一样的特征,没有单独对待。
我不知道为什么没有选项或参数(至少我没有找到)告诉作者跳过注释。在使用 SeqIO.parse()
读取 SeqRecords
时,我也不知道有任何参数可以跳过注释。
为了解决您的问题,我分别访问了已解析的SeqRecords
,删除了注释和源特征。这种方法的一个缺点是需要额外的内存(以及性能损失),因为我是从初始生成器创建一个列表。最后我只是将列表解析为 GFF。我不知道这种方法是否比您的方法好得多。
#!/usr/bin/env python
from BCBio import GFF
from Bio import SeqIO
def convert_to_GFF3():
in_file = "input.gbk"
out_file = "output.gff"
in_handle = open(in_file)
out_handle = open(out_file, "w")
records = []
for record in SeqIO.parse(in_handle, "genbank"):
# delete annotations
record.annotations = {}
# loop through features to find the source
for i in range(0,len(record.features)):
# if found, delete it and stop (only expect one source)
if(record.features[i].type == "source"):
record.features.pop(i)
break
records.append(record)
GFF.write(records, out_handle)
in_handle.close()
out_handle.close()
convert_to_GFF3()
关于python - BCBio 的 GFF 解析器解析不正确,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20190209/
我一直在使用 AJAX 从我正在创建的网络服务中解析 JSON 数组时遇到问题。我的前端是一个简单的 ajax 和 jquery 组合,用于显示从我正在创建的网络服务返回的结果。 尽管知道我的数据库查
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
我在尝试运行 Android 应用程序时遇到问题并收到以下错误 java.lang.NoClassDefFoundError: com.parse.Parse 当我尝试运行该应用时。 最佳答案 在这
有什么办法可以防止etree在解析HTML内容时解析HTML实体吗? html = etree.HTML('&') html.find('.//body').text 这给了我 '&' 但我想
我有一个有点疯狂的例子,但对于那些 JavaScript 函数作用域专家来说,它看起来是一个很好的练习: (function (global) { // our module number one
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 8 年前。 Improve th
我需要编写一个脚本来获取链接并解析链接页面的 HTML 以提取标题和其他一些数据,例如可能是简短的描述,就像您链接到 Facebook 上的内容一样。 当用户向站点添加链接时将调用它,因此在客户端启动
在 VS Code 中本地开发时,包解析为 C:/Users//AppData/Local/Microsoft/TypeScript/3.5/node_modules/@types//index而不是
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我被赋予了将一种语言“翻译”成另一种语言的工作。对于使用正则表达式的简单逐行方法来说,源代码过于灵活(复杂)。我在哪里可以了解更多关于词法分析和解析器的信息? 最佳答案 如果你想对这个主题产生“情绪化
您好,我在解析此文本时遇到问题 { { { {[system1];1;1;0.612509325}; {[system2];1;
我正在为 adobe after effects 在 extendscript 中编写一些代码,最终变成了 javascript。 我有一个数组,我想只搜索单词“assemble”并返回整个 jc3_
我有这段代码: $(document).ready(function() { // }); 问题:FB_RequireFeatures block 外部的代码先于其内部的代码执行。因此 who
背景: netcore项目中有些服务是在通过中间件来通信的,比如orleans组件。它里面服务和客户端会指定网关和端口,我们只需要开放客户端给外界,服务端关闭端口。相当于去掉host,这样省掉了些
1.首先贴上我试验成功的代码 复制代码 代码如下: protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec)
什么是 XML? XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。 你可以通过本站学习 X
【PHP代码】 复制代码 代码如下: $stmt = mssql_init('P__Global_Test', $conn) or die("initialize sto
在SQL查询分析器执行以下代码就可以了。 复制代码代码如下: declare @t varchar(255),@c varchar(255) declare table_cursor curs
前言 最近练习了一些前端算法题,现在做个总结,以下题目都是个人写法,并不是标准答案,如有错误欢迎指出,有对某道题有新的想法的友友也可以在评论区发表想法,互相学习🤭 题目 题目一: 二维数组中的
我是一名优秀的程序员,十分优秀!