[Biopython] ORF予測プログラムを作る

動機

原核生物ゲノムの遺伝子予測（注）ソフトといえばProdigalやMetaGeneAnnotatorがある。
ただこれらはORF間のオーバーラップに対応していなかったり（ウイルス等で困る）、GFF3形式でのアウトプットに対応していなかったりする。
そこで、遺伝子間の重複を許しつつGFF3ほかの形式で結果を出力するORF予測プログラムを書いた。

幸いBiopython Tutorial and CookbookにズバリIdentifying open reading frames
というセクションがあった。
これを骨格に、

• 開始コドンから翻訳開始すること
• 遺伝暗号表を変更可能なこと
• 入力出力ファイルを指定可能なこと

等の改変を加えた。

（注）ここでは遺伝子予測＝Open reading frame (ORF)の予測ということにする。機能アノテーションは本稿では扱わない

orfind.py

ORF prediction allowing CDS overlaps and GFF3 output

Requirements

• Biopython

Usage

$ ./orfind.py -h
usage: orfind.py [-h] -i INPUT [-o OUT_GFF] [-a OUT_FAA] [-f OUT_FNA] [-g TRANS_TABLE] [-m MIN_AA_LEN]

Predict ORFs

optional arguments:
  -h, --help            show this help message and exit
  -i INPUT, --input INPUT
                        sequence file in FASTA format (required)
  -o OUT_GFF, --out_gff OUT_GFF
                        output annotation in gff3 format (default: stdout)
  -a OUT_FAA, --out_faa OUT_FAA
                        output protein sequences in FASTA format (optional)
  -f OUT_FNA, --out_fna OUT_FNA
                        output CDS sequences in FASTA format (optional)
  -g TRANS_TABLE, --trans_table TRANS_TABLE
                        translation table (default: 1)
  -m MIN_AA_LEN, --min_aa_len MIN_AA_LEN
                        minimum protein length (default: 50)

参考