如何使用Biopython将CSV文件中的snp/INDEL添加到FASTA文件？

我想修改FASTA文件的序列。我的FASTA包含人类基因组（每个染色体的序列），ID为

>1

，

>2

<代码>>22、

>X

、

>Y

、

>MT

和

>GL000207.1

我想在每个染色体序列中引入的修改（突变）位于CSV文件中。此处显示了一个示例：

chrom;position;ref;var;Gene;VAR
1;21424;C;T;WASH7P;snp.LOH
1;33252099;CACATGCATGACTATTCCTAGCC;-;YARS;indel_somatic
5;107061668;-;GT;EFNA5(dist=55072),FBXL17(dist=133066);indel_somatic
22;22677038;G;C;BMS1P20;snp_somatic
MT;16093;T;C;NONE(dist=NONE),NONE(dist=NONE);snp.LOH
X;22012649;-;T;SMS;indel_somatic

其中每一行描述了染色体数目，即染色体上发现snp/indel的位置。接下来的两列表示参考核苷酸和必须插入FASTA文件中的突变。这种修饰可以是替换、删除（一个以上的nt）或插入（一个以上的核苷酸）。最后两列并不重要。输出应该是带有突变的新FASTA

我创建了以下脚本。我知道我离我想做的还很远。。。我会努力提高，但同时如果有人能给我一些建议，那将是非常受欢迎的

from bisect import bisect_right
from collections import defaultdict
from Bio import SeqIO
from Bio.Seq import MutableSeq
from Bio.Alphabet import IUPAC
import csv

def line_to_snp(line):
    row = line.split(";")
    return row[0], int(row[1]), row[2], row[3], row[4], row[5]


with open('Modified_build.fasta', 'w') as f1:
   reference = SeqIO.read("human_g1k_v37.fasta", "fasta")
   datafile = open('snp_all.csv', 'r')
   snp = line_to_snp(line)
   for seq_record in SeqIO.parse(reference):
    mutable_seq = MutableSeq (reference, IUPACUnambigousDNA())
    if snp[0] == seq_record.id:
           mutable_seq[snp[1]] = snp[3]
           f1.write(seq_id)
           f1.write(seq_record)

---

您当前的方法是一个良好的开端，但是您的代码在打开CSV文件时没有做任何事情（

datafile

未被触及，并且

line

未定义）

我会从你的SNP文件中建立一个数据字典。您可以使用该模块读取

-分隔文件。当迭代
SeqRecord
对象时，您可以从该字典中获取突变数据

杂项错误：


MutableSeq
无法修改记录，只能修改字符串或
Seq
Python字符串（因此
Seq
对象）使用基于零的索引，而序列索引是基于一的
未定义名称
IUPACUnambiguouUSDNA
（这是
IUPAC
的一部分）


我的建议是采用如下方法：

from Bio import SeqIO
from Bio.Alphabet import IUPAC
from Bio.Seq import MutableSeq
from Bio.SeqRecord import SeqRecord

import csv


# Build a dictionary of position & mutation by accession
snp_dict = {}
with open('snp_all.csv') as snp_all:
    csv_data = csv.reader(snp_all, delimiter=';')
    header = next(csv_data)
    for chrom, position, ref, var, _, _ in csv_data:
        snp_dict[chrom] = (int(position), ref, var)

# Iterate over (missing) FASTA file, create mutations
mutated_records = []
reference = SeqIO.read("human_g1k_v37.fasta", "fasta")
for record in SeqIO.parse("this_file_missing.fasta", "fasta"):
    mutable_seq = MutableSeq(reference.seq, IUPAC.IUPACUnambigousDNA())
    if record.id in snp_dict:  # Are all sequences mutated in snp_all?
        position, ref, var = snp_dict[record.id]
        mutable_seq[position - 1] = var
        record.seq = mutable_seq.toseq()  # Re-use the record- preserves id, etc.
        mutated_records.append(record)

with open('Modified_build.fasta', 'w') as f1:
    SeqIO.write(mutated_records, f1, "fasta")

你有没有试图解决这个问题？你有代码要显示吗？这应该是你熟悉读/写FASTA记录的一个很好的起点。是的，我已经添加了我到目前为止所做的工作……好的，太好了！现在，你有什么特别的问题吗？我不知道如何特别地将fasta文件中的核苷酸更改为csv文件中特别标识的核苷酸。如果我们看一下上面的例子，我想更改fasta文件的染色体1中T的核苷酸21424