[Biopython]細菌ゲノムの簡単なstatistics (ID、ゲノムサイズ、遺伝子数など) を出力する

Assembly statsといえばQUAST がポピュラーだが、今回ほしいのはQUASTが出してくれる内容とは微妙に違う。
細菌ゲノムアセンブリの比較ゲノム解析に使うため、NCBIからダウンロードしたgenbank形式ファイルを入力として

• 種名
• 株名
• Accession no.
• 全長
• コンティグ数
• タンパク質をコードする遺伝子の数
• tRNA遺伝子の数
• rRNA遺伝子の数
• CRISPRの数

を羅列したテーブルを出力したい。

genome_stats.py

Requirements

• Biopython

Usage

./genome_stats.py -h
usage: genome_stats.py [-h] -i [INPUT ...] [--output FILE]

Produce a simple TSV summary file for microbial genome assemblies

optional arguments:
  -h, --help            show this help message and exit
  -i [INPUT ...], --input [INPUT ...]
                        Genbank/DDBJ flatfile (required)
  --output FILE, -o FILE, --out FILE, --output FILE
                        output TSV file

./genome_stats.py -i GCF_000006925.2_ASM692v2_genomic.gbff GCF_000005845.2_ASM584v2_genomic.gbff -o results.tbl

results.tbl

Species	Shigella flexneri 2a str. 301	Escherichia coli str. K-12 substr. MG1655
strain	301	K-12
Accession	GCF_000006925.2	NC_000913.3
Length	4828820	4641652
num_contigs	2	1
GC%	50.65	50.79
CDS	4313	4315
rRNA	22	22
tRNA	97(22)	86(21)
CRISPR	0	0