👉 生信软件快看，带你十分钟了解新软件用法，加速你的研究

前言

Prodigal是一款编码蛋白基因（CDS）预测软件，专门用于原核生物的基因组或宏基因组。由于其容易上手的用法和优异的预测性能，截至目前已被引用5756次。

最近在进行细菌的基因注释工作时，发现已有研究人员将起整合成为了python模块（pyrodigal），这项工作已发表在Journal of Open-Source Software上。该模块基于Cython与prodiagal绑定，能够直接与prodigal内部交互，同时优化了一些内容：

更强的性能 ：根据不同的序列而言，运行时间能节省1/3 到一半的时间。
单一依赖：直接作为Python包分发，不存在Prodigal二进制文件
没有中间文件：操作均发生在内存中，序列可直接作为字符串传递
更好的内存使用：相比原始版本，采用了更紧凑的数据结构
完全相同的结果 ：pyrodigal经过广泛的测试，保证了与版本v2.6.3+31b300a的prodigal一样的结果。
规范化的输出：无需再编写解析代码来读取Prodigal的结果

安装

该软件已托管到PyPI上，所以可以直接使用pip来进行快速安装

ruby 复制代码

$ pip install pyrodigal

或者，也可以通过conda来进行快速安装

r 复制代码

$ conda install -c bioconda pyrodigal

基础用法

基于Biopython的用法

案例：从Genebank中加载一个序列，使用pyrodigal搜索其基因，并以Fata格式打印结果

使用方法：pyrodigal.GeneFinder()

单一基因组输入

ini 复制代码

import Bio.SeqIO
import pyrodigal

record = Bio.SeqIO.read("sequence.gbk", "genbank")

orf_finder = pyrodigal.GeneFinder()
# 对于单一基因组输入下，需要使用train方法，否则无法获取到基因
orf_finder.train(bytes(record.seq))
genes = orf_finder.find_genes(bytes(record.seq))

宏基因组输入

python 复制代码

import Bio.SeqIO
import pyrodigal

record = Bio.SeqIO.read("sequence.gbk", "genbank")

orf_finder = pyrodigal.GeneFinder(meta=True) # 需要在方法内部注明meta=True
# 对于宏基因组输入时，软件采用预训练的文档进行分析，因此不需要再呼出train方法训练
for i, pred in enumerate(orf_finder.find_genes(bytes(record.seq))):
    print(f">{record.id}_{i+1}")
    print(pred.translate())

👉 如果biopython版本较旧<1.79，命令：bytes(record.seq)应该更改为record.seq.encode()

基于Scikit-bio的用法

python 复制代码

import skbio.io
import pyrodigal

seq = next(skbio.io.read("sequence.gbk", "genbank"))

orf_finder = pyrodigal.GeneFinder(meta=True)
for i, pred in enumerate(orf_finder.find_genes(seq.values.view('B'))):
    print(f">{record.id}_{i+1}")
    print(pred.translate())

除了方法GeneFinder****实现了Prodigal的核心用法外，Pyrodigal还提供了一些其他API方法，实现Python与Prodigal的深度交互，

TrainingInfo
MetagenomicBin
Genes
Nodes
Sequence
Masks

API方法的详细用法与参数见文档：pyrodigal.readthedocs.io/en/stable/a...

输出格式

如前文优点介绍，Pyrodigal 的创建是为了在构建更大的管道时跳过解析 Prodigal 的结果。开发人员也建议通过对象层操作 Pyrodigal 预测的基因，而不是将它们写入文件以便稍后解析。

Genes 基因

将找到的基因序列写入文件write_genes：

python 复制代码

genes = orf_finder.find_genes(sequence)
with open("genes.fna", "w") as dst:
    genes.write_genes(dst, sequence_id="experiment1")
    
# 或者可以更改FASTA列的宽度
with open("genes.fna", "w") as dst:
    genes.write_genes(dst, sequence_id="experiment1", width=80)

Translations 翻译

将找到的蛋白质序列写入文件write_translations：

python 复制代码

genes = orf_finder.find_genes(sequence)
with open("proteins.faa", "w") as dst:
    genes.write_translations(dst, sequence_id="experiment2")
# 同样的，可以指定转换表并控制FASTA列的宽度
with open("proteins.faa", "w") as dst:
    genes.write_translations(dst, sequence_id="experiment2", width=80, translation_table=11)

GFF 格式

将基因写入GFF格式的文件write_gff：

python 复制代码

genes = orf_finder.find_genes(sequence)
with open("genes.gff", "w") as dst:
    genes.write_gff(dst, sequence_id="experiment3")
# 可以指定header来选择是否跳过GFF3
# 如果需要将不同序列的基因写入同一文件时，很有用
with open("genes.gff", "w") as dst:
    for i, record in enumerate(Bio.SeqIO.parse("contig.fna")):
        genes = orf_finder.find_genes(str(record.seq))
        genes.write_gff(dst, sequence_id=record.id, header=(i == 0))
# 此外，还可以通过设定参数include_translation_table=True，将翻译表包含在GFF中
# 对于宏基因组模式下可能有用，因为它们是非标准遗传密码预测

GenBank格式

将基因写入Genbank格式的文件write_genbank：

python 复制代码

genes = orf_finder.find_genes(sequence)
with open("genes.gbk", "w") as dst:
    genes.write_genbank(dst, sequence_id="seqXYZ")

以上就是本期关于pyrodigal介绍，大家如果有什么问题或疑问的话,请在评论区或私信联系我.如果大家喜欢这期内容，请多多点赞支持，这对我非常重要！

本文由博客一文多发平台 OpenWrite 发布！

工具篇|Python版Prodigal，性能最高提升100%！

前言

安装

基础用法

基于Biopython的用法

基于Scikit-bio的用法

输出格式