核心基因筛选

yy951010

1.gene_family_analysis.py
from Bio import SeqIO
from collections import defaultdict

class GeneFamilyAnalysis:
    def __init__(self, fasta_files):
        """
        初始化GeneFamilyAnalysis类
        :param fasta_files: 10个品种的FASTA文件列表，每个文件包含该品种的基因家族蛋白序列
        """
        self.fasta_files = fasta_files
        self.gene_presence = defaultdict(set)  # 记录基因在哪些品种中出现

    def parse_fasta_files(self):
        """
        解析所有FASTA文件，记录基因在哪些品种中出现
        """
        for index, fasta_file in enumerate(self.fasta_files):
            species_name = f"species_{index + 1}"  # 假设每个文件代表一个品种
            with open(fasta_file, "r") as file:
                for record in SeqIO.parse(file, "fasta"):
                    gene_id = record.id
                    self.gene_presence[gene_id].add(species_name)

    def classify_genes(self):
        """
        根据基因在多少个品种中出现，将其分类为核心基因、非核心基因和特有基因
        :return: 核心基因、非核心基因和特有基因的列表
        """
        core_genes = []
        non_core_genes = []
        unique_genes = defaultdict(list)  # 记录每个品种中的特有基因

        total_species = len(self.fasta_files)
        for gene, species_set in self.gene_presence.items():
            if len(species_set) == total_species:
                core_genes.append(gene)  # 核心基因：所有品种中都存在
            elif len(species_set) == 1:
                unique_genes[list(species_set)[0]].append(gene)  # 特有基因：只在一个品种中存在
            else:
                non_core_genes.append(gene)  # 非核心基因：存在于部分但不是所有品种

        return core_genes, non_core_genes, unique_genes

    def save_results(self, core_file, non_core_file, unique_file):
        """
        保存结果到文件
        :param core_file: 保存核心基因的文件
        :param non_core_file: 保存非核心基因的文件
        :param unique_file: 保存特有基因的文件
        """
        core_genes, non_core_genes, unique_genes = self.classify_genes()

        # 保存核心基因
        with open(core_file, "w") as f:
            f.write("\n".join(core_genes))
        print(f"核心基因已保存到 {core_file}")

        # 保存非核心基因
        with open(non_core_file, "w") as f:
            f.write("\n".join(non_core_genes))
        print(f"非核心基因已保存到 {non_core_file}")

        # 保存特有基因
        with open(unique_file, "w") as f:
            for species, genes in unique_genes.items():
                f.write(f">{species}\n")
                f.write("\n".join(genes) + "\n")
        print(f"特有基因已保存到 {unique_file}")
2.__init__.py
from .gene_family_analysis import GeneFamilyAnalysis

__all__ = ["GeneFamilyAnalysis"]
3.以下是如何使用这个包来筛选基因家族中的核心基因、非核心基因和特有基因
from mygenefamily import GeneFamilyAnalysis

# 假设我们有10个品种的FASTA文件
fasta_files = [
    "species_1.fasta",
    "species_2.fasta",
    "species_3.fasta",
    "species_4.fasta",
    "species_5.fasta",
    "species_6.fasta",
    "species_7.fasta",
    "species_8.fasta",
    "species_9.fasta",
    "species_10.fasta"
]

# 初始化分析对象
gene_analysis = GeneFamilyAnalysis(fasta_files)

# 解析FASTA文件
gene_analysis.parse_fasta_files()

# 保存结果到文件
gene_analysis.save_results(
    core_file="core_genes.txt",
    non_core_file="non_core_genes.txt",
    unique_file="unique_genes.txt"
)
4. 代码说明

• 
  GeneFamilyAnalysis 类：
  
  • __init__: 初始化类，传入多个个品种的FASTA文件列表。
  • parse_fasta_files: 解析FASTA文件，并记录每个基因在哪些品种中存在。
  • classify_genes: 将基因分类为核心基因、非核心基因和特有基因。
  • save_results: 将分类结果保存为三个不同的文件，分别保存核心基因、非核心基因和特有基因。
    
• 
  核心基因：出现在所有品种中的基因。
• 
  非核心基因：出现在部分品种中的基因。
• 
  特有基因：只出现在某个品种中的基因，特有基因按照品种进行分类保存。
  

Jack-lee

biopython  有没有模块可以画出基因的序列图，像snapgen一样

yy951010

Jack-lee 发表于 2024-9-16 15:49
biopython  有没有模块可以画出基因的序列图，像snapgen一样

Biopython 中好像没有像 SnapGene 那样专门用于生成基因序列图的模块，Bio.Graphics 模块应该能生成简单的基因序列图