### 代码整体功能概述 这段 Python 代码的主要功能是从 FASTA 格式的基因组文件和 GFF3 格式的基因注释文件中提取基因序列，并将提取的基因序列保存为 FASTA 格式的文件。 ### 代码逐行解释 #### 定义 `read_fasta` 函数 ```python def read_fasta(file_path): ``` - 这行代码定义了一个名为 `read_fasta` 的函数，它接受一个参数 `file_path`，这个参数代表要读取的 FASTA 文件的路径。 ```python with open(file_path) as f: ``` - `with` 语句用于打开指定路径的文件。使用 `with` 语句的好处是，文件使用完毕后会自动关闭，避免资源泄漏。`open(file_path)` 打开文件，`as f` 表示将打开的文件对象赋值给变量 `f`。 ```python lines = f.read().split('>')[1:] ``` - `f.read()` 读取整个文件的内容，`split('>')` 将文件内容按 `>` 符号进行分割，得到一个列表。`[1:]` 表示取列表中从第二个元素开始的所有元素，因为第一个元素通常为空。 ```python return {line.split('\n', 1)[0]: ''.join(line.split('\n')[1:]) for line in lines} ``` - 这是一个字典推导式，用于创建一个字典。对于 `lines` 列表中的每个元素 `line`，`line.split('\n', 1)[0]` 表示取 `line` 按换行符分割后的第一个部分，作为字典的键；`''.join(line.split('\n')[1:])` 表示将 `line` 按换行符分割后的其余部分合并成一个字符串，作为字典的值。最后返回这个字典。 #### 定义 `read_gff3` 函数 ```python def read_gff3(file_path): ``` - 定义一个名为 `read_gff3` 的函数，它接受一个参数 `file_path`，代表要读取的 GFF3 文件的路径。 ```python positions = {} ``` - 初始化一个空字典 `positions`，用于存储基因的位置信息。 ```python with open(file_path) as f: ``` - 同样使用 `with` 语句打开指定路径的文件，并将文件对象赋值给变量 `f`。 ```python for line in f: ``` - 遍历文件的每一行。 ```python if not line.startswith('#') and line.split('\t')[2] == 'gene': ``` - `line.startswith('#')` 检查当前行是否以 `#` 开头，如果是，则表示这是注释行，跳过；`line.split('\t')[2]` 表示将当前行按制表符分割后取第三个元素，如果这个元素等于 `gene`，则表示这是一个基因的记录。 ```python fields = line.strip().split('\t') ``` - `line.strip()` 去除当前行首尾的空白字符，`split('\t')` 将处理后的行按制表符分割成多个字段，存储在 `fields` 列表中。 ```python gene_id = [attr.split('=')[1] for attr in fields[8].split(';') if attr.startswith('ID=')][0] ``` - `fields[8]` 表示取 `fields` 列表中的第九个元素，通常包含基因的属性信息。`fields[8].split(';')` 将这个元素按分号分割成多个属性，`attr.startswith('ID=')` 筛选出以 `ID=` 开头的属性，`attr.split('=')[1]` 取这个属性等号后面的值，即基因的 ID。最后取列表中的第一个元素作为最终的基因 ID。 ```python positions[gene_id] = (fields[0], int(fields[3]) - 1, int(fields[4]), fields[6]) ``` - 在 `positions` 字典中添加一个键值对，键为基因 ID，值是一个元组，包含序列 ID（`fields[0]`）、起始位置（`int(fields[3]) - 1`，减 1 是为了将位置转换为 0 索引）、结束位置（`int(fields[4])`）和链的方向（`fields[6]`）。 ```python return positions ``` - 返回存储基因位置信息的字典。 #### 定义 `extract_sequences` 函数 ```python def extract_sequences(genome, positions): ``` - 定义一个名为 `extract_sequences` 的函数，它接受两个参数：`genome` 是一个字典，存储基因组序列；`positions` 是一个字典，存储基因的位置信息。 ```python sequences = {} ``` - 初始化一个空字典 `sequences`，用于存储提取的基因序列。 ```python for gene_id, (seqid, start, end, strand) in positions.items(): ``` - 遍历 `positions` 字典的键值对，`gene_id` 是基因的 ID，`(seqid, start, end, strand)` 是基因的位置信息元组。 ```python seq = genome[seqid][start:end] ``` - 从 `genome` 字典中根据序列 ID `seqid` 取出对应的基因组序列，然后截取从起始位置 `start` 到结束位置 `end` 的部分，存储在 `seq` 变量中。 ```python if strand == '-': ``` - 检查链的方向是否为负链。 ```python seq = ''.join({'A': 'T', 'T': 'A', 'C': 'G', 'G': 'C'}.get(base, base) for base in seq[::-1]) ``` - 如果是负链，对提取的序列进行反向互补操作。`seq[::-1]` 表示将序列反转，`{'A': 'T', 'T': 'A', 'C': 'G', 'G': 'C'}.get(base, base)` 表示将每个碱基替换为其互补碱基，如果不是 A、T、C、G 则保持不变。最后将处理后的碱基连接成一个字符串。 ```python sequences[gene_id] = seq ``` - 在 `sequences` 字典中添加一个键值对，键为基因 ID，值为提取的基因序列。 ```python return sequences ``` - 返回存储提取基因序列的字典。 #### 定义 `write_fasta` 函数 ```python def write_fasta(sequences, output_file): ``` - 定义一个名为 `write_fasta` 的函数，它接受两个参数：`sequences` 是一个字典，存储提取的基因序列；`output_file` 是要写入的 FASTA 文件的路径。 ```python with open(output_file, 'w') as f: ``` - 使用 `with` 语句以写入模式打开指定路径的文件，并将文件对象赋值给变量 `f`。 ```python for gene_id, seq in sequences.items(): ``` - 遍历 `sequences` 字典的键值对，`gene_id` 是基因的 ID，`seq` 是提取的基因序列。 ```python f.write(f'>{gene_id}\n{seq}\n') ``` - 按照 FASTA 文件的格式将基因 ID 和序列写入文件。`f'>{gene_id}\n{seq}\n'` 是一个格式化字符串，`>` 表示 FASTA 文件中序列标识符的开头，`\n` 表示换行符。 #### 主程序部分 ```python genome = read_fasta('Botrytis_cinerea_genome.fa') ``` - 调用 `read_fasta` 函数读取 `Botrytis_cinerea_genome.fa` 文件，并将结果存储在 `genome` 变量中。 ```python positions = read_gff3('Botrytis_cinerea.gff3') ``` - 调用 `read_gff3` 函数读取 `Botrytis_cinerea.gff3` 文件，并将结果存储在 `positions` 变量中。 ```python extracted_sequences = extract_sequences(genome, positions) ``` - 调用 `extract_sequences` 函数从基因组中提取基因序列，并将结果存储在 `extracted_sequences` 变量中。 ```python write_fasta(extracted_sequences, 'extracted_genes.fasta') ``` - 调用 `write_fasta` 函数将提取的基因序列写入 `extracted_genes.fasta` 文件中。