`
bachelor007
  • 浏览: 55271 次
  • 性别: Icon_minigender_1
  • 来自: 南京
社区版块
存档分类
最新评论

GenBank filetype to Fasta filetype

 
阅读更多

Bioinfo~~~

GenBank filetype to Fasta filetype

.gb -> .fasta

 

public class G2F {

 private String LOCUS =  "LOCUS       ",  LOCUS_S = "begin", //"SOURCE(name)"+"." +"LOCUS"
   ORGANISM =   "  ORGANISM  ",  ORGANISM_S = "begin",
   ACCESSION =  "ACCESSION   ",  ACCESSION_S = "begin",
   VERSION =   "VERSION     ",  VERSION_S = "begin",
   DEFINITION =  "DEFINITION  ",  DEFINITION_S = "begin",
   ORIGIN =   "ORIGIN      ",  ORIGIN_S = "begin",
   END_DATA =   "//";
 
 String short_name = null, accession_name = null,
   version_name = null, definition_name = null,
   organism_name = null, warning_mess = null,
   origin = null,
   genbank_name = null,
   sequence = "",
   firstline = null, secondline =null;
 
 public void resetState()
 {
  LOCUS_S = "begin";
  ORGANISM_S = "begin";
  ACCESSION_S = "begin";
  VERSION_S = "begin";
  DEFINITION_S = "begin";
  ORIGIN_S = "begin";
 }
 
 public void resetName()
 {
  short_name = null;
  accession_name = null;
  version_name = null;
  definition_name = null;
  organism_name = null;
  warning_mess = null;
  genbank_name = null;
  origin = null;
  sequence = "";
  firstline = null;
  secondline =null;
 }
 
 public void scan1squence(String inputfile, String outputfile) throws IOException
 {
  BufferedReader in = new BufferedReader(new FileReader(inputfile));
  PrintWriter out = new PrintWriter(new BufferedWriter(new FileWriter(outputfile)));
  
  String sline = null;
  
  /*String firstline = "";
  String secondline = "";*/
  while((sline = in.readLine()) != null){
   
   if( ! sline.equals(END_DATA) && ! sline.equals("")){
    String stemp = sline.substring(0, 12);
    String resub = sline.substring(12);
    //System.out.println(stemp);
    if(stemp.equals(ORGANISM)){
     organism_name = resub;
     String s[] = resub.split(" ");
     if(s[1].length() < 3){
      s[1] = "XXX";
     }
     short_name = s[0].substring(0, 4)+ "_" + s[1].substring(0,4);
     ORGANISM_S = "done";
    }
    if(stemp.equals(ACCESSION)){
     accession_name = resub;
     ACCESSION_S = "done";
    }
    if(stemp.equals(VERSION)){
     String s[] = resub.split("GI:");
     version_name = s[0].trim();
     genbank_name = s[1].trim();
     //System.out.println(version_name);
     VERSION_S = "done";
    }
    if(stemp.equals(DEFINITION)){
     definition_name = resub;
     DEFINITION_S = "done";
    }
    if(stemp.equals(ORIGIN)){
     ORIGIN_S = "done";
     //sline = in.readLine();
    }
    if( ORIGIN_S.equals("done") ){
     while( ! (sline = in.readLine()).equals(END_DATA) ){
      String tempsequence = sline.substring(10);
      sequence += tempsequence.replace(" ","").toUpperCase();
     }
     ORIGIN_S = "nextS";
     //System.out.println(sequence);
    }
    if(ORGANISM_S.equals("done") && ACCESSION_S.equals("done")
      && VERSION_S.equals("done") && DEFINITION_S.equals("done")
      && ORIGIN_S.equals("nextS"))
    {
     firstline = ">"+short_name+"."+accession_name+
        " ( "+version_name+" GI:"+genbank_name+" ) { "+definition_name+
        " } [ "+organism_name+" ]";
     /*if(firstline.equals(">Cich_endi.EL372564 ( EL372564.1 GI:125358052 ) { CCEL5375.b1_N24.ab1 CCE(LMS) endive Cichorium endivia cDNA clone } [ Cichorium endivia ]"))
      System.out.println("----------true-----------");*/
     secondline = sequence;
     /*System.out.println(firstline);
     System.out.println(secondline);
     if(secondline.equals("TATTCCAGAATCTCACACCTTTTTACACTAGCAGAAAGCCAGAAACACAGACCAACAACAGACGAGGAGGCACGAATTCCAACACAGAAAGGTTTTGTCTTCTCTTTCAACATCAAAGAGGGCTCTAGAAGCCCCCTGAGACCAAATCTTCAAACCAACATGGAATACCAAGCAAACTATTCAATTTGGGATGGTTTATACTACCATCCACACCTATTCGGTGGCATTATGCTAACAGTTGCATTGCTTGGTCTTTCCACAAGCTATCTAAGTGGCATAGCTGGCTTCCCTACTTTACCCTACATGTTACCTTATTTAGGAAACTTCCAGAAACAAAAAACCAACAAGAAACGTATCCGTGTGTACATGGATGGATGTTTTGATCTCATGCATTATGGTCACGCAAATGCTTTAAGACAAGCTAAAGCTTTAGGAGACGAATTAGTGGTTGGAATTGTAAGTGATGAAGAAATCATCAAGAACAAAGGTCCTCCTGTTTTATCAATGGAGGAAAGATTGGCACTTGTTAGTGGATTGAAGTGGGTTGATGAAGTTATTGCTAATGCACCTTATGCTATTACTGAAGACTTCATGAACAGTCTATTTAAAGAACATAAGATTGATTATATCATTCATGGAGATGATCCTTGTTTGCTTCCTGATGGAAGTGATGCATATGCTTTAGCAAAAAAAAAGTTGGTCGTTACAA"))
      System.out.println("----------true-----------");*/
     out.println(firstline);
     out.println(secondline);
     resetName();
     resetState();
     continue;
    }
   }
   else if(sline.equals(END_DATA)){
    //resetName();
    resetState();
   }
   
  }
  
  out.close();
  in.close();
  
 }
}

 

 

public class G2F {

	private String LOCUS = 	"LOCUS       ", 	LOCUS_S = "begin", //"SOURCE(name)"+"." +"LOCUS"
			ORGANISM = 		"  ORGANISM  ", 	ORGANISM_S = "begin",
			ACCESSION = 	"ACCESSION   ", 	ACCESSION_S = "begin",
			VERSION = 		"VERSION     ", 	VERSION_S = "begin",
			DEFINITION = 	"DEFINITION  ", 	DEFINITION_S = "begin",
			ORIGIN = 		"ORIGIN      ",		ORIGIN_S = "begin",
			END_DATA = 		"//";
	
	String short_name = null, accession_name = null,
			version_name = null, definition_name = null,
			organism_name = null, warning_mess = null,
			origin = null,
			genbank_name = null,
			sequence = "",
			firstline = null, secondline =null;
	
	public void resetState()
	{
		LOCUS_S = "begin";
		ORGANISM_S = "begin";
		ACCESSION_S = "begin";
		VERSION_S = "begin";
		DEFINITION_S = "begin";
		ORIGIN_S = "begin";
	}
	
	public void resetName()
	{
		short_name = null;
		accession_name = null;
		version_name = null;
		definition_name = null;
		organism_name = null;
		warning_mess = null;
		genbank_name = null;
		origin = null;
		sequence = "";
		firstline = null;
		secondline =null;
	}
	
	public void scan1squence(String inputfile, String outputfile) throws IOException
	{
		BufferedReader in = new BufferedReader(new FileReader(inputfile));
		PrintWriter out = new PrintWriter(new BufferedWriter(new FileWriter(outputfile)));
		
		String sline = null;
		
		/*String firstline = "";
		String secondline = "";*/
		while((sline = in.readLine()) != null){
			
			if( ! sline.equals(END_DATA) && ! sline.equals("")){
				String stemp = sline.substring(0, 12);
				String resub = sline.substring(12);
				//System.out.println(stemp);
				if(stemp.equals(ORGANISM)){
					organism_name = resub;
					String s[] = resub.split(" ");
					if(s[1].length() < 3){
						s[1] = "XXX";
					}
					short_name = s[0].substring(0, 4)+ "_" + s[1].substring(0,4);
					ORGANISM_S = "done";
				}
				if(stemp.equals(ACCESSION)){
					accession_name = resub;
					ACCESSION_S = "done";
				}
				if(stemp.equals(VERSION)){
					String s[] = resub.split("GI:");
					version_name = s[0].trim();
					genbank_name = s[1].trim();
					//System.out.println(version_name);
					VERSION_S = "done";
				}
				if(stemp.equals(DEFINITION)){
					definition_name = resub;
					DEFINITION_S = "done";
				}
				if(stemp.equals(ORIGIN)){
					ORIGIN_S = "done";
					//sline = in.readLine();
				}
				if( ORIGIN_S.equals("done") ){
					while( ! (sline = in.readLine()).equals(END_DATA) ){
						String tempsequence = sline.substring(10);
						sequence += tempsequence.replace(" ","").toUpperCase();
					}
					ORIGIN_S = "nextS";
					//System.out.println(sequence);
				}
				if(ORGANISM_S.equals("done") && ACCESSION_S.equals("done") 
						&& VERSION_S.equals("done") && DEFINITION_S.equals("done")
						&& ORIGIN_S.equals("nextS"))
				{
					firstline = ">"+short_name+"."+accession_name+
								" ( "+version_name+" GI:"+genbank_name+" ) { "+definition_name+
								" } [ "+organism_name+" ]";
					/*if(firstline.equals(">Cich_endi.EL372564 ( EL372564.1 GI:125358052 ) { CCEL5375.b1_N24.ab1 CCE(LMS) endive Cichorium endivia cDNA clone } [ Cichorium endivia ]"))
						System.out.println("----------true-----------");*/
					secondline = sequence;
					/*System.out.println(firstline);
					System.out.println(secondline);
					if(secondline.equals("TATTCCAGAATCTCACACCTTTTTACACTAGCAGAAAGCCAGAAACACAGACCAACAACAGACGAGGAGGCACGAATTCCAACACAGAAAGGTTTTGTCTTCTCTTTCAACATCAAAGAGGGCTCTAGAAGCCCCCTGAGACCAAATCTTCAAACCAACATGGAATACCAAGCAAACTATTCAATTTGGGATGGTTTATACTACCATCCACACCTATTCGGTGGCATTATGCTAACAGTTGCATTGCTTGGTCTTTCCACAAGCTATCTAAGTGGCATAGCTGGCTTCCCTACTTTACCCTACATGTTACCTTATTTAGGAAACTTCCAGAAACAAAAAACCAACAAGAAACGTATCCGTGTGTACATGGATGGATGTTTTGATCTCATGCATTATGGTCACGCAAATGCTTTAAGACAAGCTAAAGCTTTAGGAGACGAATTAGTGGTTGGAATTGTAAGTGATGAAGAAATCATCAAGAACAAAGGTCCTCCTGTTTTATCAATGGAGGAAAGATTGGCACTTGTTAGTGGATTGAAGTGGGTTGATGAAGTTATTGCTAATGCACCTTATGCTATTACTGAAGACTTCATGAACAGTCTATTTAAAGAACATAAGATTGATTATATCATTCATGGAGATGATCCTTGTTTGCTTCCTGATGGAAGTGATGCATATGCTTTAGCAAAAAAAAAGTTGGTCGTTACAA"))
						System.out.println("----------true-----------");*/
					out.println(firstline);
					out.println(secondline);
					resetName();
					resetState();
					continue;
				}
			}
			else if(sline.equals(END_DATA)){
				//resetName();
				resetState();
			}
			
		}
		
		out.close();
		in.close();
		
	}
}

 

分享到：
| 单例模式[转]
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    gb2fasta：Perl脚本，用于将GenBank记录转换为FASTA格式

    在进行基因序列分析时，经常需要将GenBank格式的文件转换成FASTA格式，因为FASTA格式更简洁，易于处理。`gb2fasta`就是一个Perl脚本，专门设计来完成这个任务。 Perl是一种强大的脚本语言，因其灵活性和在文本处理...

    gbmunge:Munge GenBank文件进入FASTA和制表符分隔的元数据

    gbmunge 将Munge GenBank文件转换成FASTA序列和制表符分隔的元数据。 这个小C程序将从GenBank文件中提取以下信息： 名称加入长度提交日期主持人国家采集日期除了提取此信息外，还对日期进行了重新格式化，例如31-DEC...

    seqviz:DNA序列查看器，支持自定义，GenBank，FASTA，NCBI登录和iGEM输入

    DNA序列查看器，支持自定义，GenBank，FASTA，NCBI登录和iGEM输入特征SeqViz目标是成为具有简单API和易定制性的DNA序列查看器。 目前提供： 多种输入格式顺序加入（NCBI或iGEM） 文件（FASTA，GenBank，SBOL，...

    FASTApple:用于快速处理FASTA文件的AppleScript实用程序-开源

    FASTApple用Applescript编写，是针对普通计算生物学家的一套实用程序，可快速轻松地处理FASTA文件。... GenBank重命名器会以Genus_species_accession的格式自动重命名从GenBank下载的FASTA文件中的分类单元。

    ve-sequence-parsers:将genbank，fasta，sbol转换为JSON，然后再次返回！

    fastaToJson //handles fasta files (.fa, .fasta) genbankToJson //handles genbank files (.gb, .gbk) ab1ToJson //handles .ab1 sequencing read files sbolXmlToJson //handles .sbol files snapgeneToJson //...

    教你读懂Genbank数据

    教你读懂Genbank数据，作用：了解序列数据库的格式，有助于更好地提高数据库检索的效率和准确性。 DDBJ数据库的内容和格式与GenBank相同，此处不作详细介绍。 分别介绍EMBL和GenBank的数据库结构

    对genbank文件的解析实例

    perl的cpan库支持对基因库文件的解析，这个perl的脚本文件实现了对genbank类型的基因库中基因数据的提取和解析。用户使用的时候需要手动修改代码中的genbank文件的路径。

    est files

    2. `GenBank2Fasta_UniExtractor_126.tcl`：这个文件名表明它是一个TCL脚本，可能是一个程序，用于将GenBank格式的数据转换为FASTA格式。GenBank是一个公共数据库，存储了大量生物分子序列及其相关注释。 3. `Cich_...

    x2fasta:将常见序列格式重新格式化为Fasta的工具-开源

    一组将常见的生物序列格式（例如EMBL，SWISS-PROT，UniProtKB，GenBank和RefSeq）转换为fasta序列格式的工具。

    ls_orchid.fasta以及ls_orchid.gbk

    本篇将深入探讨如何利用BioPython来处理`ls_orchid.fasta`和`ls_orchid.gbk`这两个文件，它们是BioPython学习过程中的经典示例。 `ls_orchid.fasta`文件是FASTA格式的序列文件，通常用于存储DNA、RNA或蛋白质序列。...

    BeeDeeM:生物信息学数据库管理系统

    本地序列库（例如Genbank）到FASTA文件的转换， 从本地序列库格式以BLAST格式准备数据库， 对Genbank，Refseq，Embl，Genpept，Swissprot，TrEmbl，Fasta，Silva和BOLD文件建立索引，从而可以通过序列标识符进行...

    LoopMatcher:在FASTA和GenBank文件中查找特定于序列的茎环。-开源

    LoopMatcher是一种生物信息学工具，可在环中具有特定共有序列的cDNA / mRNA序列（FASTA，GenBank或​​Vienna格式）中搜索发夹结构。 它使用RNAfold预测序列结构，使用UShuffle生成具有定义的k个核苷酸频率的随机...

    GenBank数据库检索及其应用x.ppt

    GenBank数据库检索及其应用 GenBank数据库是由美国国立生物技术信息中心（NCBI）维护的一级核酸序列数据库。该数据库的数据来源有三种：直接来源于测序工作者提交的序列；与其它数据机构协作交换的数据；美国专利局...

    从GenBank获取基因序列及PCR引物设计的方法

    从GenBank获取基因序列及PCR引物设计的方法

    GenBank Flat File Reader：将 GenBank 格式的平面文件读入结构-matlab开发

    尽管 MATLAB 生物信息学工具箱具有内生 GenBank 文件读取器 genbankread()，但有时难以读取这些具有意外但并非非正统格式的平面文件。 该程序 gbread() 旨在用更通用的替代方案替换 genbankread()。 与期望字段保持...

    DNA_to_Protein:将dna序列转换为蛋白质序列的程序

    项目简介考虑到以下强制性要求，以您选择的任何脚本语言编写一个计算机程序，以将分配给您的DNA序列（以.fasta格式；请参阅附录）转换为蛋白质序列： 蛋白质的最小长度应为44（包含44个氨基酸）。 蛋白质的最大长度...

    PyPI 官网下载 | polish_genbank-0.0.2.tar.gz

    《PyPI官网下载：polish_genbank-0.0.2.tar.gz——深入解析Python库》 在Python的生态系统中，PyPI（Python Package Index）是最重要的资源库，它为开发者提供了一个分享和获取Python软件包的平台。本文将详细探讨...

    GenBank数据库检索及其应用x.3.ppt

    GenBank是一个全球性的核酸序列数据库，它包含了各种生物体的DNA和RNA序列信息，由美国国立生物技术信息中心（NCBI）维护。GenBank数据库的检索对于科研人员来说至关重要，因为它提供了广泛的生命科学数据，支持遗传...

Magicbox
Global site tag (gtag.js) - Google Analytics