Fetching genomische Sequenz effizient in Python?

Question

Wie kann ich genomische Sequenz holen Python effizient zu nutzen? Zum Beispiel von einer .FA Datei oder einem anderen leicht erhalten Format? Ich möchte im Grunde eine Schnittstelle fetch_seq (chrom, Strang, Beginn, Ende), das die Sequenz kehrt [Start, Ende] auf dem gegebenen Chromosom auf dem angegebenen Strang.

Analog gibt es eine programmatische Python-Schnittstelle für phastCons Noten zu bekommen?

Dank.

Answer 1

Sehen Sie meine Antwort auf Ihre Frage über bei Biostar:

http://biostar.stackexchange.com/questions/1639/getting-genomic-sequences-and-phastcons-scores-using-python-from-ensembl-ucsc

Verwenden SeqIO mit Fasta Dateien und Sie werden in der Datei Datensatz Objekte für jedes Element zurück. Dann können Sie tun:

region = rec.seq[start:end]

Scheiben herauszuziehen. Die nette Sache über eine Standard-Bibliothek verwendet, wird Sie nicht Sorgen über die Zeilenumbrüche in der ursprünglichen fasta Datei.

Answer 2

Retrieving sequence data from large human chromosome files can be inefficient memory-wise, so if you're looking for computational efficiency you can format the sequence data to a packed binary string and lookup based on byte location. I wrote routines to do this in perl (available here ), and python has the same pack and unpack routines - so it can be done, but only worth it if you're running in to trouble with large files on a limited machine. Otherwise use biopython SeqIO

Answer 3

Take a look at biopython, which has support for several gene sequence formats. Specifically, it has support for FASTA and GenBank files, to name a couple.

Answer 4

pyfasta is the module you're looking for. From the description

fast, memory-efficient, pythonic (and command-line) access to fasta sequence files

https://github.com/brentp/pyfasta