转录组分析中已知unigene号对序列提取的方法

hld8124

根据转录组注释信息，找到转录组200多个关注的unigene，怎么把相关序列提取出来。
另外，根据你们公司帮我们做的COG分类，我们对Lipid transport and metabolism 这个节点的基因比较关注，但给的Excl表里面是图片这样的，有960个unigene在这一分类，后面提供了ID号：Unigene0020898、Unigene0020907............我怎么根据这个ID号从fasta文件中把序列筛选出来。



主要的问题是知道Unigene编号，根据这个编号把fasta文件里面的相关序列提取出来，现在都是一条一条的去找，有没有什么软件可用，谢谢。

逝瞳就是牛羊羊

我有一个朋友写的JAVA小工具，可以很方便的做序列提取，不用自己写perl，在这里分享给楼主吧，希望楼主用的好可以给他鼓励。界面简洁，一看就会的。。。不过你的电脑里要装有Java程序哦~
如果有不明白再问我哦~

Wuii

哈哈，这个提取工具很久很久以前写的咯，
使用起来不够便捷，
运行速度也慢
目前已经更新，并作为众多功能的一部分
集成到以下软件
https://github.com/CJ-Chen/TBtools
觉得有用的，欢迎在github上star或者捐助应用的开发

martin1207

怎么没有回复啊，我也好像知道啊，帮顶！

Ivan

写个perl脚本

hld8124

Ivan 发表于 2016.4.8 10:21
写个perl脚本

R语言都是勉强懂怎么运行，perl脚本怎么写，求大神赐一个

martin1207

9494，共享脚本

hld8124

现在大神都去灌水了，没人关心我们的正经的帖子

基迪奥-周煌凯

用法：
perl getseqbyid.pl <id.list> <database.fasta> <output.fasta>

备注：这是perl脚本，<id.list>是 目标基因名称列表的txt文件，一行一个基因名称。 <database.fasta> 是你的整个fasta文件。<output.fasta> 是输出文件的名称。

代码如下：

[Perl] 纯文本查看 复制代码

#!/usr/bin/perl -w
use strict;

if(@ARGV==0){print "perl $0   <id.list> <database.fasta> <output.fasta>\n"; exit 1}
my $list = $ARGV[0];
my $data = $ARGV[1];
my $outs = $ARGV[2];


my @list = ();
open (LIST,$list) or die "Cannot open file $list: $!\n";
while (my $id = <LIST>) {
    chomp $id;
    $id =~ s/\s//g;
    push @list, $id
}
close LIST;

my %seq = ();
my $sid = ();
open (IN, $data) or die "Cannot open file $data: $!\n";;
while (<IN>) {
    if (/^\>(\S+)/) {
        $sid = $1;
        my @w = split /\|/, $sid;
        if (@w > 2) {
            $sid = $w[2];   
        } else {
            $sid = $w[0];
        }
    } else {
        $seq{$sid} .= $_;
    }
}
close IN;


open (OUT, ">$outs") or die "Cannot create file $outs: $!\n";
foreach my $id (@list) {
    print OUT ">$id\n";
    print OUT $seq{"$id"};
}
close OUT;

脚本如下附件，使用的时候请把txt拓展名去掉。

hld8124

逝瞳就是牛羊羊 发表于 2016.4.12 19:01
我有一个朋友写的JAVA小工具，可以很方便的做序列提取，不用自己写perl，在这里分享给楼主吧，希望楼主用的 ...

界面很流畅，121条序列不到30S运行结束

zooooooe007

我是直接打开FASTA文件在里面搜索 序列名字。。。

hld8124

zooooooe007 发表于 2016.4.13 10:15
我是直接打开FASTA文件在里面搜索 序列名字。。。

序列少都是这样收索，但是如果几十条序列的化用软件就很快就，很方便的

雪莲

Wuii 发表于 2016.4.20 09:45
哈哈，这个提取工具很久很久以前写的咯，
使用起来不够便捷，
运行速度也慢

没动怎么用啊，之前的版本运行起来确实挺慢呢

Wuii

雪莲 发表于 2016.4.26 00:08
没动怎么用啊，之前的版本运行起来确实挺慢呢

嗯，用TBtools吧，速度快多了。

雪莲

Wuii 发表于 2016.4.26 07:59
嗯，用TBtools吧，速度快多了。

你好！软件运行时，提醒：please set the full path include outfile name of output file，可是设置set output fasta file时只能选到文件夹，选不了文件呢，我应该怎么做？请指点，谢谢！

基迪奥-周煌凯

雪莲 发表于 2016.4.26 08:51
你好！软件运行时，提醒：please set the full path include outfile name of output file，可是设置set  ...

out file的 文件名是你自己填写的。

雪莲

Wuii 发表于 2016.4.26 07:59
嗯，用TBtools吧，速度快多了。

你好！我运行TBtools，为啥缺少输入文件名的那一栏呢？我用的是MAC，麻烦帮我看看，谢谢

Wuii

雪莲 发表于 2016.4.26 11:02
你好！我运行TBtools，为啥缺少输入文件名的那一栏呢？我用的是MAC，麻烦帮我看看，谢谢
...

mac下的文件选择框 或者 文件夹选择框是这样的。
建议直接拖拽
也就是 将文件直接拖到文本框，TBtools会自动获取路径
随后要在路径后补齐 输出文件的名字。。。

Wuii

基迪奥-周煌凯 发表于 2016.4.26 09:24
out file的 文件名是你自己填写的。

嗯，无论是摁钮还是拖拽输入，都要在完成之后，自己补齐文件名
哈哈，谢谢

雪莲

Wuii 发表于 2016.4.26 12:04
嗯，无论是摁钮还是拖拽输入，都要在完成之后，自己补齐文件名
哈哈，谢谢 ...

谢谢老师，实现了