perl - 使用带有非标准标题的 BioPerl 从 FASTA 文件中提取 DNA 序列

Question

我正在尝试使用以下代码从数据库中提取序列:

use strict;
use Bio::SearchIO; 
use Bio::DB::Fasta;


my ($file, $id, $start, $end) = ("secondround_merged_expanded.fasta","C7136661:0-107",1,10);
my $db = Bio::DB::Fasta->new($file);
my $seq = $db->seq($id, $start, $end);
print $seq,"\n";

我试图提取的序列的标题是: C7136661:0-107 ，如文件中所示:

>C7047455:0-100
TATAATGCGAATATCGACATTCATTTGAACTGTTAAATCGGTAACATAAGCAGCACACCTGGGCAGATAGTAAAGGCATATGATAATAAGCTGGGGGCTA

当我将标题切换到更标准的内容(如 test )时，代码工作正常。我认为 BioPerl 不喜欢非标准标题。有什么办法可以解决这个问题，这样我就不必重新编码 FASTA 文件了吗？

Answer 1

默认情况下，Bio::DB::Fasta将使用紧跟在 > 之后的所有非空格字符在标题行上形成序列的键。在您的情况下，这看起来像 C7047455:0-100 ，这与子序列的内置缩写相同。如 documented here , 而不是 $db->seq($id, $start, $stop)您可以使用 $db->seq("$id:$start-$stop") ，请调用 $db->seq('C7136661:0-107')看起来你是在问 $db->seq('C7136661', 0, 107) ，并且该键不存在。

我无法知道您的数据中有什么，但是如果仅使用标题的第一部分直到冒号作为键就足够了，那么您可以使用 -makeid回调来修改 key 。那么如果你只使用 C7136661检索它将起作用的序列。

这段代码演示了。请注意，您可能已经有了 .index在您看到任何行为变化之前，您必须删除该缓存文件。

use strict;
use warnings;

use Bio::DB::Fasta;

my ($file, $id, $start, $end) = qw(
  secondround_merged_expanded.fasta
  C7136661
  1 10
);

my $db = Bio::DB::Fasta->new($file, -makeid => \&makeid);

sub makeid {
  my ($head) = @_;
  $head =~ /^>([^:]+)/ or die qq(Invalid header "$head");
  $1;
}

my $seq = $db->seq($id, $start, $end);
print $seq, "\n";