写一个根据NCBI Gene ID自动下载对应核酸序列的Python程序

最近成为了硕导,克隆基因的基本工作就是获取对应的基因组序列,启动子,内含子等信息。
为了降低学生学习获取核酸序列的难度,准备写个傻瓜脚本用来fetch基因组核酸序列文件。
因为不想用selenium,因为还要开启浏览器和驱动所以用BeautifulSoup和request。

# -*- coding: utf-8 -*-
"""
Created on Tue Dec 21 11:05:15 2021

@author: Bohan
"""

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 20 17:18:07 2021

@author: Bohan
"""
import urllib
import requests
from bs4 import BeautifulSoup

while True:
    print('该程序版权属于湖南农业大学农学院水稻生理生化团队所有,需要网络运行!')
    print("输入NCBI的基因ID,如LOC4342505,本程序不支持其他数据库ID")
    geneid=input("输入代码:")                                                       #输入NCBI的基因LOCID
    geneidtrans=(''.join(filter(str.isdigit,geneid)))                                 #去除所有非数字信息          
    genepage= "https://www.ncbi.nlm.nih.gov/gene/"
    geneurl=genepage+geneidtrans                                                      #合成基因页面url   
    print("基因网址:"+geneurl)                                                     #还是要有个Checkpoint   
    genepage=urllib.request.urlopen(geneurl)
    genepagecontents=genepage.read()
    
    soup1=BeautifulSoup(genepagecontents,"lxml")
    
    LOCNM=(soup1.find("span",{"class":"gn"})).string                                #定位基因名称
    LOCID0='LOC'+str((soup1.find("meta",{"name":"ncbi_uidlist"}))).split('content="')[1].split(" name=")[0]
    LOCID="LOC"+(''.join(filter(str.isdigit,LOCID0)))
    print("基因  ID:"+LOCID)                                                                    #还是要有个Checkpoint   
    print("基因名称:"+LOCNM)                                                                    #还是要有个Checkpoint   
    print("物    种:"+(soup1.find("em",{"class":"tax"})).string)                                #还是要有个Checkpoint   
    print("基因注释:"+(soup1.find("h1",{"id":"gene-name"})).text)                               #还是要有个Checkpoint   
    urlgenebank="https://www.ncbi.nlm.nih.gov"+soup1.find("a",{"title":"Nucleotide GenBank report"}).attrs['href']                      #获取基因信息页面对应的基因组核酸链接url 
    print("基因组序列genebank链接:"+urlgenebank)
    ncid1=urlgenebank.split("https://www.ncbi.nlm.nih.gov/nuccore/")[1].split("?report=genbank&from=")[0]                               #获取关键核酸ID 
    ncid2=urlgenebank.split("https://www.ncbi.nlm.nih.gov/nuccore/")[1].split("?report=genbank&from=")[1].split("&to=")[0]                  #获取核酸抬头位置 
    ncid3=urlgenebank.split("https://www.ncbi.nlm.nih.gov/nuccore/")[1].split("?report=genbank&from=")[1].split("&to=")[1].split("&strand=true")[0]               #获取核酸结束位置 
    ncid2pre=str(int(ncid2)-4000)               #计算基因前4000bp的位置 
    ncid3aft=str(int(ncid3)+4000)                #计算基因后4000bp的位置 
    gfurl="https://www.ncbi.nlm.nih.gov/nuccore/"+ncid1+"?report=genbank&from="+ncid2pre+"&to="+ncid3aft+"&strand=true"         #计算基因组前后4000bp链接 
    print("基因组前后4000bp链接:"+gfurl)
    gfpage=urllib.request.urlopen(gfurl)
    gfcontents=gfpage.read()
    soup2=BeautifulSoup(gfcontents,"lxml")
    valkeyword0=str(soup2.find("div",{"class":"seq gbff"})).split(" val=")[1].split(" virtualsequence=")[0]
    valkeyword=(''.join(filter(str.isdigit,valkeyword0))) 
                                                                             #懒得解释了,大概就是获取NCBI核酸的母本ID
    genbankfileurl="https://www.ncbi.nlm.nih.gov/sviewer/viewer.cgi?tool=portal&save=file&log$=seqview&db=nuccore&report=gbwithparts&id="+valkeyword+"&from="+ncid2pre+"&to="+ncid3aft+"&strand=on&withparts=on"                                         #懒得解释了,大概就是获取NCBI核酸下载的真实链接
    print("genebank文件链接:"+genbankfileurl)
    
    filename="GF"+'-'+LOCID+"-"+LOCNM+'.gb'
    
    locateID=soup1.find("div",{"class":"genomerefseqs_slave"})
    SSS=locateID.find_all(name='a')
    mRNAID=(str(SSS[-5])).split('>')[1].split('<')[0]
    proteinID=(str(SSS[-4])).split('>')[1].split('<')[0]
    print("mRNA序列ID:"+mRNAID)
    print("蛋白质序列ID:"+proteinID)
    mRNAurl="https://www.ncbi.nlm.nih.gov/nuccore/"+mRNAID
    proteinurl="https://www.ncbi.nlm.nih.gov/protein/"+proteinID
    mrnapage=urllib.request.urlopen(mRNAurl)
    mrnacontents=mrnapage.read()
    soup3=BeautifulSoup(mrnacontents,"lxml")
    locateM=str(soup3.find("meta",{"name":"ncbi_uidlist"}))
    mrnacc=(''.join(filter(str.isdigit,locateM)))

    proteinpage=urllib.request.urlopen(proteinurl)
    proteincontents=proteinpage.read()
    soup4=BeautifulSoup(proteincontents,"lxml")
    locateP=str(soup4.find("meta",{"name":"ncbi_uidlist"}))
    proteinacc=(''.join(filter(str.isdigit,locateP)))
    proteinsequrl="https://www.ncbi.nlm.nih.gov/sviewer/viewer.cgi?tool=portal&save=file&log$=seqview&db=protein&report=gpwithparts&id="+proteinacc+"&extrafeat=undefined&withparts=on"
    mrnasequrl="https://www.ncbi.nlm.nih.gov/sviewer/viewer.cgi?tool=portal&save=file&log$=seqview&db=nuccore&report=gbwithparts&id="+mrnacc+"&withparts=on"
    print("正在下载基因组序列 "+filename+" 文件中")
    fileread = requests.get(genbankfileurl,allow_redirects=True)                            #下载基因组序列,不解释了   
    with open (filename, 'wb') as f:
        f.write(fileread.content)
        f.close
    
    print(filename+"已下载完成")
    mrnafilename="mRNA"+'-'+LOCID+"-"+mRNAID+'.gb'
    profilename="Protein"+'-'+LOCID+"-"+proteinID+'.gp'
    
    print("正在下载mRNA序列 "+mrnafilename+" 文件中")
    mfileread = requests.get(mrnasequrl,allow_redirects=True)                            #下载mRNA序列,不解释了   
    with open (mrnafilename, 'wb') as fm:
        fm.write(mfileread.content)
        fm.close
    
    print(mrnafilename+"已下载完成")
    
    print("正在下载蛋白序列 "+profilename+" 文件中")
    pfileread = requests.get( proteinsequrl,allow_redirects=True)                            #下载蛋白序列,不解释了   
    with open (profilename,'wb') as fp:
        fp.write(pfileread.content)
        fp.close
    
    print(profilename+"已下载完成")
    
    control=input("是否继续运行?请输入y/n \n")
    if control==('n'):
        break

运行效果如下:

输入代码:LOC4342505
基因网址:https://www.ncbi.nlm.nih.gov/gene/4342505
基因  ID:LOC4342505
基因名称:GA20OX3
物    种:Oryza sativa Japonica Group
基因注释:GA20OX3 Gibberellin 20 oxidase 3 [ Oryza sativa Japonica Group (Japanese rice)
               ] 
               
基因组序列genebank链接:https://www.ncbi.nlm.nih.gov/nuccore/NC_029262.1?report=genbank&from=3699596&to=3704922
基因组前后4000bp链接:https://www.ncbi.nlm.nih.gov/nuccore/NC_029262.1?report=genbank&from=3695596&to=3708922&strand=true
genebank文件链接:https://www.ncbi.nlm.nih.gov/sviewer/viewer.cgi?tool=portal&save=file&log$=seqview&db=nuccore&report=gbwithparts&id=996703426&from=3695596&to=3708922&strand=on&withparts=on
mRNA序列ID:XM_026026987.1
蛋白质序列ID:XP_025882772.1
正在下载基因组序列 GF-LOC4342505-GA20OX3.gb 文件中
GF-LOC4342505-GA20OX3.gb已下载完成
正在下载mRNA序列 mRNA-LOC4342505-XM_026026987.1.gb 文件中
mRNA-LOC4342505-XM_026026987.1.gb已下载完成
正在下载蛋白序列 Protein-LOC4342505-XP_025882772.1.gp 文件中
Protein-LOC4342505-XP_025882772.1.gp已下载完成

是否继续运行?请输入y/n 

已生成可运行的单个exe文件,请有需要的同学自行下载。
如有转载请注明出处。
链接:https://pan.baidu.com/s/1A8nJ81uq_obqKMEgONLh9Q
提取码:0213

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容