双歧杆菌基因组序列批量下载、基因组注释、antiSMASH合成基因簇挖掘、核心基因的同源性比较。

关注

VIP免费原创 2022-02-04 11:47:43 4.7k 阅读 AI 写同款· GEO 优化 ›

Antismash-BigScape次级代谢基因簇鉴定 antiSMASH - the antibiotics and Secondary Metabolite Analysis SHell，是用来鉴定微生物基因组次级代谢物合成基因簇的软件。临床上使用的大部分抗生素和药物均来自植物或微生物的天然产物。结合基因组挖掘的经典分离与分析法使得基于基因组的天然产物途径鉴定和描述更为方便。一般情况下，参与次级代谢途径中生物合成酶基因在基因组上成簇排列，基于指定类型的HMM，antiSMASH数据库能准确鉴定所有已知的次级代谢簇。阅读详情

实验环境：windows10，linux服务器（Centos）

双歧杆菌基因组序列批量下载

此模块介绍在PATRIC数据库中检索下载所有不同双歧杆菌菌株（大概1400株左右）的csv文件，再通过数据筛选和清洗得到我们将要下载的基因组序列信息。利用python脚本批量下载基因组序列（gbk文件或fasta文件）。
注：antiSMASH推荐使用gbk文件进行基因簇挖掘。

一、双歧杆菌基因组信息检索及下载

1.PATRIC数据库检索双歧杆菌(Bifidobacterium) 并下载序列信息csv文件

在这里插入图片描述
下载后的csv文件如下图所示，对这些序列信息进行筛选清洗，筛选出不重复的菌株序列。“GenBank Accessions”用于基因组序列下载(NCBI数据库)。

二、基因组序列批量下载

python脚本代码

from Bio import Entrez
import csv


# 参数设置
Entrez.email = "example@163.com"
Entrez.tool = "exampleScript"

csv_file = "complete2.csv"   # csv文件路径


def get_gbk(csv_file):
    """
    从csv文件中获取GenBank Accessions，返回基因组登记号列表（gbk_List）
    :param csv_file: csv文件
    :return: 含有所有GenBank Accessions的列表
    """
    gbk_list =[]  # 存储GenBank Accessions
    # 读取csv文件
    csv_flie = csv.reader(open(csv_file))

    # 确定“GenBank Accessions”所在位置（即索引）
    goal_index = 0
    for l in csv_flie:
        goal_index = l.index("GenBank Accessions")
        break
    # 读取所有组的信息找到对应的"GenBank Accessions"
    for line in csv_flie:
        gbk_list.append(line[goal_index])

    return gbk_list


def download_gbk(gbk_list,goal_path):
    """
    下载提供的基因组登记号列表中对应的genbank格式基因组序列，并存储到本地
    :param gbk_list: "GenBank Accessions"列表
    :param goal_path: gbk文件存储路径
    :return: failed_list
    """

    # 下载失败的基因组序列列表
    failed_list = []
    print("开始下载gbk格式基因组序列文件")
    for gbk_id in gbk_list:
        file_name = goal_path + gbk_id + ".gbk"  # 指明路径：以GenBank Accessions命名文件
        try:
            handle = Entrez.efetch(db="nucleotide",id=g