genbank_to

一个简单的应用程序，用于将 NCBI GenBank 格式文件转换为其他格式。希望我们有您需要的格式，但如果不是使用我们的模板发布问题，或者如果您已经开始工作，请发布PR，以便我们添加它并将您添加到项目中。

您可能还对deprekate 的名为 genbank 的包感兴趣，其中包含这里的几个功能，您可以import genbank将其放入您的 Python 项目中。

它能做什么

读取 NCBI GenBank 格式文件（如我们的测试数据）并将其转换为多种不同格式中的一种。

输入格式

目前我们只支持 NCBI GenBank 格式。如果您希望我们阅读其他常见格式，请 告诉我们，我们会添加它们。

输出格式

以下是您可以请求的输出格式。您可以一次请求任意数量的这些！

这些输出假设您提供了一个（例如）包含 ORF、蛋白质和基因组的基因组文件。

核苷酸输出

• -n或--nucleotide输出整个 DNA 序列（例如基因组）
• -o或--orfs输出开放阅读框的 DNA 序列

蛋白质输出

• -a或--aminoacids输出每个开放阅读框的蛋白质序列

复杂格式

• -p或--pttNCBI ptt 蛋白质表。这是他们的基因组下载中有点弃用的 NCBI 格式
• -for输出and--functions的制表符分隔数据（也称为）protein IDprotein functionproduct
• --gff3输出 GFF3 格式
• --amr根据AMR Finder Plus 的要求，输出 GFF 文件、氨基酸 fasta 文件和核苷酸 fasta 文件。请注意，这种格式检查经常使 AMRFinderPlus 崩溃的有效性
• --phage_finder输出phage_finder所需的唯一格式

输出选项

• --pseudo通常我们会跳过假基因（例如在创建氨基酸 fasta 文件时）。这将尝试包含假基因，但 biopython 经常抱怨并忽略它们！
• -i或--seqid仅输出此序列，或者如果您指定多个-i/则输出这些序列--seqid
• -z或--zip压缩一些输出
• --log将日志写入不同的文件

分离多 GenBank 文件

如果您的 GenBank 文件包含多个序列记录（用 分隔//），您可以提供--separate标志。这会将每个条目写入其自己的文件中。这与-n/ --nucleotide、-o/--orfs和 -a/兼容--aminoacids。但是，如果您自己提供--separate标志，它会将您的多 GenBank 文件中的每个条目写入其自己的 GenBank 文件。

例子

所有这些示例都使用我们的测试数据

1. 提取fasta基因组的 a：

genbank_to -g test/NC_001417.gbk -n test/NC_001417.fna

2. 将 ORF 的 DNA 序列提取到单个文件中

genbank_to -g test/NC_001417.gbk -o test/NC_001417.orfs

3. 将 ORF 的蛋白质（氨基酸）序列提取到文件中

genbank_to -g test/NC_001417.gbk -a test/NC_001417.faa

4. 一次完成所有这些

genbank_to -g test/NC_001417.gbk -n test/NC_001417.fna -o test/NC_001417.orfs -a test/NC_001417.faa

安装

您可以genbank_to通过三种不同的方式安装：

1. 使用康达

这是最简单和推荐的方法。

mamba create -n genbank_to genbank_to
conda activate genbank_to
genbank_to --help

2. 使用点子

我建议将其放入虚拟环境中：

virtualenv venv
source venv/bin/activate
pip install genbank_to
genbank_to --help

3. 直接来自此存储库

（不太推荐，因为可能会损坏）

git clone https://github.com/linsalrob/genbank_to.git
cd genbank_to
virtualenv venv
source venv/bin/activate
python setup.py install
genbank_to --help