Recupero sequenza genomica in modo efficiente in Python?

Question

Come posso recuperare sequenza genomica in modo efficiente utilizzando Python? Ad esempio, da un file .FA o qualche altro formato facilmente ottenuto? Io fondamentalmente voglio una fetch_seq un'interfaccia (cromo, filo, inizio, fine) che restituirà la sequenza [start, end] sulla data cromosoma sul filamento specificato.

Analogamente, c'è un'interfaccia Python programmatico per ottenere punteggi phastCons?

Grazie.

Answer 1

Vedere la mia risposta alla tua domanda sopra a Biostar:

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

Usa SeqIO con i file Fasta e si otterrà indietro gli oggetti record per ogni voce nel file. Poi si può fare:

region = rec.seq[start:end]

per tirare fuori le fette. La cosa bella di utilizzare una libreria standard è che non devi preoccuparti per le interruzioni di riga nel file FASTA originale.

Answer 2

Recupero dati di sequenza da file di grandi dimensioni cromosoma umano può essere inefficiente della memoria-saggio, quindi, se siete alla ricerca di efficienza computazionale è possibile formattare i dati della sequenza in una stringa binaria imballato e la ricerca in base alla posizione di byte. Ho scritto routine per fare questo in Perl (disponibile qui ), e Python ha la stessa pacchetto e le routine di unpack - in modo che possa essere fatto, ma solo vale la pena se si sta correndo in a problemi con file di grandi dimensioni su una macchina limitata. In caso contrario, utilizzare Biopython SeqIO

Answer 3

Date un'occhiata a Biopython , che ha il supporto per diversi formati di sequenza del gene. In particolare, ha il supporto per FASTA e file di GenBank , per citarne coppia.

Answer 4

pyfasta è il modulo che stai cercando. Dalla descrizione

veloce, la memoria-efficiente, pythonic (e-riga di comando) l'accesso ai file di sequenza fasta

https://github.com/brentp/pyfasta