Python 在基因中发现外显子/内含子边界

我想通过一个基因，从每个

feature.type==“mRNA”

中获得一个包含外显子/内含子边界的10bp长序列列表。似乎我需要使用

compoundLocation

，以及

'join'

中使用的位置，但我不知道如何操作，也找不到教程

---

有人能给我举个例子或给我指一个教程吗？

假设所有信息都是您在评论中显示的精确格式，并且您在每个简介/外显子边界的两侧寻找20个bp，类似这样的情况可能是一个开始：

编辑：如果您实际上是从一个GenBank记录开始，那么这并不难。假设您要查找的完整连接字符串位于CDS功能信息中，则：

for f in record.features:
    if f.type == 'CDS':
        jct_info = str(f.location)

将“位置”信息转换为字符串，您可以继续如下操作

（有一些方法可以直接处理位置信息，而无需转换为字符串——特别是可以使用“提取”将拼接序列直接从父序列中提取出来——但是，通过转换为str和int，可以更快、更容易地完成所需的步骤。）

现在，您可以循环遍历start:end值列表，将它们从文本中提取出来，并将它们转换为int，以便将它们用作序列索引。大概是这样的：

for jct in jcts:
    (start,end) = jct.replace('[', '').replace(']', '').split(':')
    try:   # You need to account for going out of index, e.g. where start = 0
        start_20_20 = seq[int(start)-20:int(start)+20]
    except IndexError:
        # do your alternatives e.g. start = int(start)

---

基因是否为GenBank格式，注释中显示了内含子/外显子边界，或者您是否试图通过序列分析确定边界？基因为GenBank格式。我试图找出如何通过“join{[0:229]（+），[11680:11768]（+），[11871:12135]（+），[15277:15339]（+），[16136:16416]（+），[17220:17471]（+），[17547:17671]（+）”理想情况下，我希望得到每边的每个位置+/20bp。谢谢，但“join{[0:229]（+）…”不是字符串。它是一个“位置”操作符。如果我将一个变量设置为等于它，然后循环遍历该变量，它会显示“join…”，然后，它将所有的数字合并在一起。这可能是biopython的特定情况，我可能跳得有点太深了…实际上，“join”部分是一个location\u操作符；您感兴趣的字符串是一个“location”你可以很容易地把它转换成一个带有STR（位置）的字符串，然后继续。你说的对，它太好了！一个很好的简单解决方案。我没有考虑把整个东西转换成一个字符串，然后从那里移动。我正试图用Pythython来进行它。谢谢！

for jct in jcts:
    (start,end) = jct.replace('[', '').replace(']', '').split(':')
    try:   # You need to account for going out of index, e.g. where start = 0
        start_20_20 = seq[int(start)-20:int(start)+20]
    except IndexError:
        # do your alternatives e.g. start = int(start)