Genbank文件包含一條序列數(shù)據(jù)的多方面信息喜庞，但卻不是分析時(shí)可以直接利用的有效格式么鹤，因此终娃，多數(shù)時(shí)候，我們需要在分析之前對(duì)Genbank格式進(jìn)行轉(zhuǎn)換蒸甜。于是棠耕，就有了readseq（我開(kāi)個(gè)玩笑）
我打算慢慢寫這個(gè)工具的使用筆記，用一點(diǎn)柠新，寫一點(diǎn)
當(dāng)然窍荧，大家可以直接上readseq的官網(wǎng)看使用說(shuō)明
安裝
brew install readseq簡(jiǎn)單粗暴
使用
- 引用自biostar handbook
- 在Unix類型系統(tǒng)下，我們可以使用管道pipe直接接收來(lái)自cat等的數(shù)據(jù)恨憎，加上
-p參數(shù)即可 - 默認(rèn)傳入的序列格式為
.gb
讓我們先下載一段序列：efetch -format=gb -db=nuccore -id=AF086833 > AF086833.gb
- 將數(shù)據(jù)格式轉(zhuǎn)換為fasta：
cat AF086833.gb | readseq -p -format=FASTA - 轉(zhuǎn)換格式的同時(shí)提取CDS區(qū)：
cat AF086833.gb | readseq -p -format=FASTA -feat=CDS - 轉(zhuǎn)換為GFF格式：
cat AF086833.gb | readseq -p -format=GFF - 轉(zhuǎn)換為GFF的同時(shí)提取CDS區(qū)：
cat AF086833.gb | readseq -p -format=GFF -feat=CDS
提示：readseq在提取數(shù)據(jù)時(shí)蕊退，如果gb文件包含蛋白質(zhì)序列，那么在annotation部分憔恳，你還可以直接得到蛋白質(zhì)序列瓤荔，很棒啊钥组！
