使用Excel中的ID列表以Fasta格式保存NCBI中的序列

Question

我是使用python的新手，我喜歡它。 但是，我一直困擾着這個問題，希望您能給我一個關於我所缺少的東西的信息。

我在excel文件中有一個基因ID列表，我正在嘗試使用xrld和biopython檢索序列並將結果保存（以fasta格式）到文本文檔中。 到目前為止，我的代碼允許我在shell中查看結果，但它僅將最后一個序列保存在文檔中。

這是我的代碼：

import xlrd
import re
book = xlrd.open_workbook('ids.xls')
sh = book.sheet_by_index(0)
for rx in range(sh.nrows):
    if sh.row(rx)[0].value:
        from Bio import Entrez
        from Bio import SeqIO
        Entrez.email = "mail@xxx.com"
        in_handle = Entrez.efetch(db="nucleotide", rettype="fasta", id=sh.row(rx)[0].value)
        record = SeqIO.parse(in_handle, "fasta")
        for record in SeqIO.parse(in_handle, "fasta"):
            print record.format("fasta")
        out_handle = open("example.txt", "w")
        SeqIO.write(record, out_handle, "fasta")
        in_handle.close()
        out_handle.close() 

如前所述，文件“ example.txt”僅具有顯示外殼程序的最后一個序列（以fasta格式）。

誰能幫我在同一文檔中獲取從NCBI檢索到的序列嗎？

非常感謝你

安東尼奧

Answer 1

我對python還是很陌生，也喜歡它！ 這是我第一次嘗試回答問題，但這可能是由於您的循環結構和“ w”模式引起的嗎？ 也許嘗試如下更改（“ example.txt”，“ w”）以追加模式（“ example.txt”，“ a”）？

import xlrd
import re
book = xlrd.open_workbook('ids.xls')
sh = book.sheet_by_index(0)
for rx in range(sh.nrows):
    if sh.row(rx)[0].value:
        from Bio import Entrez
        from Bio import SeqIO
        Entrez.email = "mail@xxx.com"
        in_handle = Entrez.efetch(db="nucleotide", rettype="fasta", id=sh.row(rx)[0].value)
        record = SeqIO.parse(in_handle, "fasta")
        for record in SeqIO.parse(in_handle, "fasta"):
            print record.format("fasta")
        out_handle = open("example.txt", "a")
        SeqIO.write(record, out_handle, "fasta")
        in_handle.close()
        out_handle.close() 

Answer 2

我的朋友們幾乎在那里！

主要問題是您的For循環會在每個循環中不斷關閉文件。 我還修復了一些小問題，這些問題應該可以加快代碼的速度（例如，您一直在每個循環中導入Bio）。

使用以下新代碼：

out_handle = open("example.txt", "w")
import xlrd
import re
from Bio import Entrez
from Bio import SeqIO
book = xlrd.open_workbook('ids.xls')
sh = book.sheet_by_index(0)
for rx in range(sh.nrows):
    if sh.row(rx)[0].value:
        Entrez.email = "mail@xxx.com"
        in_handle = Entrez.efetch(db="nucleotide", rettype="fasta", id=rx)
        record = SeqIO.parse(in_handle, "fasta")
        SeqIO.write(record, out_handle, "fasta")
        in_handle.close()
out_handle.close()

如果仍然出錯，則說明您的excel文件中一定有問題。 如果錯誤仍然存​​在，請發送給我，我會幫助您:)