fastaのデスクリプションを変更するスクリプト

Descriptionが別ファイルになっているfasta問題

一部のデータベースではfastaにはIDだけを記述し、そのIDに対応するDescriptionは別ファイルになっていることがある。

<例>
http://genome.jgi.doe.gov/Creinhardtii/download/_JAMO/585473eb7ded5e78cff8c450/Creinhardtii_281_v5.5.annotation_info.txt?requestTime=1491367905

これは便利な事もあるが
AHRD (https://github.com/groupschoof/AHRD/blob/master/README.textile)
などをつかったアノテーションの最適化には不適当なので、
二つのファイルを融合する以下のスクリプトを書いた。

fasta_annotation_merge.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

#fasta_id項目をkeyにして、アノテーション情報を変更する

import sys
from Bio import SeqIO
import csv


fasta_in = sys.argv[1]                            #１番目の引数には、変更したいfastaファイルを指定する。
changer_in = sys.argv[2]                          #２番目の引数に タブ区切りされた　keyID \t Annotationを記述したファイルを指定

for q in open(changer_in, "r"):                     #アノテーション情報ファイルを開く
    change = q.split('\t')        #タブで区切ってchangeリストにいれる
    for record in SeqIO.parse(fasta_in, 'fasta'): #fastaファイルを開くSeqIOを使ってパースする(1項目づつ読み込む）
        id_part = record.id                       #fastaのID部分を読み込む
        seq = record.seq                          #fastanの配列部分を読み込む
        if id_part == change[0]:            #fastaファイルのidとchanger項目のid部分が一致したら。。
                fasta_seq = '>' + id_part + ' '+ change[1] + '\n' + seq + '\n'     #fasta形式に整えて
                print(fasta_seq)                  #標準出力にfastaを出力