您提供的图片内容似乎是一段 Python 脚本代码的截图，用于从 GFF3 文件中提取基因信息，并结合 FASTA 文件获取对应的序列。但当前代码存在格式错误、语法错误和不完整的地方。 以下是根据您提供的内容**完善并修正后的 Python 脚本**，功能为： - 读取 `Botrytis_cinerea.gff3` 文件； - 找出所有 `gene` 类型的条目； - 根据起始（start）和终止（end）位置，从 `Botrytis_cinerea_genome.fa` 中提取对应序列； - 输出到 `gene.fasta` 文件中。 --- ### ✅ 完善后的 Python 代码（推荐使用） ```python # -*- coding: utf-8 -*- """ 从 GFF3 文件中提取 gene 条目，并从基因组 FASTA 中提取对应序列 """ def parse_gff_and_extract_fasta( gff_file='Botrytis_cinerea.gff3', genome_fasta='Botrytis_cinerea_genome.fa', output_file='gene.fasta' ): # 存储基因的位置信息 genes = [] # 第一步：解析 GFF3 文件 with open(gff_file, 'r', encoding='utf-8') as f: for line in f: line = line.strip() if not line or line.startswith('#'): continue # 跳过空行或注释行 fields = line.split('\t') if len(fields) < 9: print(f"警告：无效行（字段不足9列）：{line}") continue seq_id = fields[0] # 染色体或 scaffold 名称 source = fields[1] feature_type = fields[2].lower() start = int(fields[3]) # GFF 是从1开始计数的 end = int(fields[4]) strand = fields[6] # 只保留 gene 特征 if feature_type == 'gene': attr_str = fields[8] # 尝试从属性中提取 ID 或 Name gene_id = None for attr in attr_str.split(';'): if attr.startswith('ID='): gene_id = attr[3:] break if not gene_id: gene_id = f"{seq_id}_{start}_{end}" genes.append({ 'id': gene_id, 'seq_id': seq_id, 'start': start - 1, # 转为0-based索引（Python） 'end': end, 'strand': strand }) print(f"共找到 {len(genes)} 个 gene 特征。") # 第二步：读取 FASTA 文件，构建序列字典 fasta_dict = {} current_seq_id = "" sequence = [] with open(genome_fasta, 'r', encoding='utf-8') as f: for line in f: line = line.strip() if not line: continue if line.startswith('>'): # 保存上一个序列 if current_seq_id and sequence: fasta_dict[current_seq_id] = ''.join(sequence) # 提取新序列 ID（取第一部分即可） header = line[1:].strip().split()[0] current_seq_id = header sequence = [] else: sequence.append(line.upper()) # 最后一个序列 if current_seq_id and sequence: fasta_dict[current_seq_id] = ''.join(sequence) print(f"成功加载 {len(fasta_dict)} 条参考序列。") # 第三步：提取每个基因的序列并写入输出文件 with open(output_file, 'w', encoding='utf-8') as out_f: for gene in genes: ref_id = gene['seq_id'] if ref_id not in fasta_dict: print(f"警告：未在 FASTA 中找到参考序列 {ref_id}") continue seq = fasta_dict[ref_id] start, end = gene['start'], gene['end'] sub_seq = seq[start:end] # 如果是负链，则取反向互补（可选处理） if gene['strand'] == '-': sub_seq = reverse_complement(sub_seq) # 写入 FASTA 格式 out_f.write(f">{gene['id']} {ref_id}:{start+1}-{end} ({gene['strand']})\n") # 每行写 80 个碱基 for i in range(0, len(sub_seq), 80): out_f.write(sub_seq[i:i+80] + '\n') print(f"已将基因序列写入 {output_file}") def reverse_complement(seq): """返回 DNA 序列的反向互补序列""" comp_map = str.maketrans("ATCGNatcgn", "TAGCNtagcn") return seq.translate(comp_map)[::-1] # ======================== # 运行程序 # ======================== if __name__ == "__main__": parse_gff_and_extract_fasta() ``` --- ### 🔧 使用说明 1. **确保两个文件在同一目录下：** - `Botrytis_cinerea.gff3` - `Botrytis_cinerea_genome.fa` 2. **运行脚本后会生成：** - `gene.fasta` —— 包含所有基因区域的序列。 3. **支持正负链处理（自动取反向互补）。** 4. **兼容标准 GFF3 和 FASTA 格式。** --- ### 🛠️ 注意事项 - 原图中的代码有严重语法错误（如 `with n open(...)` 应为 `with open(...)`，缩进混乱等），不能直接运行。 - 此版本已修复所有常见问题，并添加了健壮性检查与日志提示。 - 若您的 GFF 中“gene”标识不同（比如是 `mRNA` 或大小写混用），可以修改判断条件进一步扩展。 --- 如果您能提供更明确的需求（例如只想提取某个特定类型的基因、是否需要翻译成蛋白、是否要去除内含子等），我可以进一步优化此脚本。 是否需要我为您打包成 `.py` 文件？或者解释某一部分的功能？欢迎继续提问！