Discussion :

[myosotis29]

Salut à vous tous
Desolée de deranger avec mon histoire de genbank mais je suis vraiment dans une impasse
j'ai pu recuperer les accesion des transcrits du gène à partir de son nom et extraire par la suite les fichiers genbank correspondants mais je ne peux pas extraire le fichier qui contient toute la sequence du gène correspondant comme celui du lien:

http://www.ncbi.nlm.nih.gov/entrez/v...rand=2&dopt=gb

Toutes les suggestions seront les bienvenues.

Merci

[Jasmine80]

Tu veux donc récupérer les séquences correspondant à tes accessions. Généralement, je fais cela très facilement via les modules Bio:B::GenBank ou Bio:B::RefSeq

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
use strict;
use Bio::DB::GenBank;
 
 
my @request = qw(liste acc);
 
my $gb = new Bio::DB::GenBank;
 
foreach my $acc (@request){
    # Recherche dans Genbank
    #--------------------------
    my $info = $gb->get_Seq_by_acc($acc);
    my $seq = $info->seq();
    print $seq;
}

L'ennui est que j'obtiens le message suivant

MSG: NT_ contigs are whole chromosome files which are not part of regulardatabase distributions. Go to ftp://ftp.ncbi.nih.gov/genomes/.
STACK Bio:B::NCBIHelper::_check_id C:/Perl/site/lib/Bio/DB/NCBIHelper.pm:380
STACK Bio:B::NCBIHelper::get_Stream_by_acc C:/Perl/site/lib/Bio/DB/NCBIHelper.pm:357
STACK Bio:B::WebDBSeqI::get_Seq_by_acc C:/Perl/site/lib/Bio/DB/WebDBSeqI.pm:172

... ce qui m'étonne car je retrouve bien cet accession dans la base de données nucléotide d'NCBI.

Dans la doc de ce module il est indiqué

Note that when querying for GenBank accessions starting with 'NT_' you will need to call $gb->request_format('fasta') beforehand, because in GenBank format (the default) the sequence part will be left out (the reason is that NT contigs are rather annotation with references to clones).

... j'ai essayé mais sans succès.


J'ai essayé avec les modules Bio:B::NCBIHelper et Bio:B::WebDBSeqI permettant de fournir l'url de la DB à utiliser

Provides core set of functionality for connecting to a web based database for retriving sequences

mais j'obtiens l'erreur comme quoi $self n'est pas n'est pas déclaré

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
use Bio::DB::NCBIHelper;
 
my $db = new Bio::DB::NCBIHelper;
my $address = 'ftp://ftp.ncbi.nih.gov/genomes/';
$self->url_base_address($address);

Il y a certainement moyen de récupérer ta séquence via un de ces modules mais n'ayant jamais travaillé avec des contig, je ne sais pas comment régler les paramètres.

[Jasmine80]

Regarde un peu ce qui suit

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
#!/usr/bin/perl
 
use strict;
use Bio::DB::GenBank;
 
use Time::localtime;
my $start= ctime();
 
 
my $acc =  'NT_011109'; # NT_011109
my $query = Bio::DB::Query::GenBank->new(-db=>"nucleotide",
				    -query=> $acc,
				    );
 
my $gb = new Bio::DB::GenBank;
$gb->request_format('fasta');
my $stream = $gb->get_Stream_by_query($query);
 
while (my $info= $stream->next_seq){
	my $seq = $info->seq;
	my $gi = $info->primary_id;
	my $def = $info->description;
	print "$acc\t$gi\tL:".length($seq)."\t$def\n";
}
 
 
 
#BILAN
#------
my $end = ctime();
print "\n Départ\t=>".$start."\n Fin\t=>".$end."\n";

NT_011109 gi|29800594|ref|NT_011109.15|Hs19_11266 L:31383029 Homo sapiens chromosome 19 genomic contig, reference assembly

Départ =>Fri Aug 29 10:53:18 2008
Fin =>Fri Aug 29 10:57:17 2008

sans la ligne $gb->request_format('fasta');

NT_011109 29800594 L:31383029 Homo sapiens chromosome 19 genomic contig, reference assembly.

Départ =>Fri Aug 29 10:39:01 2008
Fin =>Fri Aug 29 10:50:41 2008

Sur http://www.ncbi.nlm.nih.gov/entrez/v...rand=2&dopt=gb la longueur est de 18984 bp

[myosotis29]

Merci Jasmine pour ton coup de pouce.

J'ai pensé à récuperer le contig NT_011109 en entier et repêcher la sequence totale du gène par la suite, mais je n'ai pas su comment avoir les coordonnées de ce gènes sur ce contig. J'ai aussi pensé que si j'avais le debut et la fin de ce gène, je pourrai recuperer la page web grâce à l'url et l'enregistrer puis la parser pour récuperer l'information(mais je crois que c'est une idée farfelue et une tonne de boulo).
Bref, puisque je ne parle que python sur ce forum et je suis la seule à l'être, je laisse mon bout de code en python, en espérant qui'l va servir à ce qui ont débuté la programmation en python comme moi.

En fait, j'ai une question bêtte; comment la séquence d'un gène est identifiée dans GenBank et Nucleotide? Je sais bien que celle de l'ARNm commence par 'NM_xxxxxx', le contig par 'NT_xxxxxx', mais la séquence d'ADN du gène s'identifie comment?



#!/usr/bin/python
from Bio import GenBank
from string import *
from Bio import SeqIO

gene_name=[('GeneID:2068','ERCC2'),('GeneID:2072', 'ERCC4'),('GeneID:103', 'ADAR'),('GeneID:8481', 'OFD1')]

for gene in gene_name:
requete='Homo sapiens AND '+ gene[0] +' AND '+gene[1]
gi_liste=GenBank.search_for(requete)
print gi_liste
handle=GenBank.download_many(gi_liste)
file_name= gene[0] + '.gb'
gb_dict=SeqIO.to_dict(SeqIO.parse(handle,"genbank"))#stocke en memoire les fichiers genbank dans un dictionnaire
handle.close()
liste_accesion=[]
for accesion in gb_dict.keys():
if 'NM_' in accesion: #les accesions numbers des transcrits commencent par 'NM_'
liste_accesion.append(accesion)
print 'les accesions des transcrits sont: ', liste_accesion
handle=GenBank.download_many(liste_accesion)
f=open(file_name,'w')
for ligne in handle:
f.write(ligne)
f.close()
handle.close()

[Jasmine80]

comment la séquence d'un gène est identifiée dans GenBank et Nucleotide? Je sais bien que celle de l'ARNm commence par 'NM_xxxxxx', le contig par 'NT_xxxxxx', mais la séquence d'ADN du gène s'identifie comment?

Il y a deux identifiants, l'accession et le gi. Tout est très bien expliquer sur ces liens
http://www.ncbi.nlm.nih.gov/Sitemap/sequenceIDs.html
http://www.ncbi.nlm.nih.gov/Sequin/acc.html

[stoyak]

Bonjour,

Ton idée de récupérer la page web de la séquence NT qui t'intéresse et ensuite de la parser n'est pas mauvaise. Tout est fonction de tes besoins ...
J'ai utilisé cette méthode pour récupérer les séquences NC_, car les assemblages ne sont pas disponibles par ftp.
Cela ne nécessite pas forcément une tonne de boulot. Il existe des modules BioPerl qui permettent de parser les fichiers GenBank. L'important est alors de bien connaître la structure du fichier et les informations auxquelles tu peux accéder.

Exemple : NC_000021

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
     mRNA         complement(join(9928612..9928911,9930696..9930766,
                     9932178..9932270,9936234..9936313,9938241..9938346,
                     9941955..9942035,9943805..9943866,9955723..9955811,
                     9955910..9955991,9956808..9956868,9963779..9963843,
                     9964582..9964645,9964792..9964891,9966539..9966658,
                     9973137..9973298,9974784..9974834,9991880..9991933,
                     9993163..9993216,9995594..9995647,10006916..10006973,
                     10009640..10009748,10012634..10012791))
                     /gene="TPTE"
                     /product="transmembrane phosphatase with tensin homology"
                     /exception="unclassified transcription discrepancy"
                     /note="Derived by automated computational analysis using
                     gene prediction method: BestRefseq. Supporting evidence
                     includes similarity to: 1 mRNA"
                     /transcript_id="NM_199260.2"
                     /db_xref="GI:109689709"
                     /db_xref="GeneID:7179"
                     /db_xref="HGNC:12023"
                     /db_xref="MIM:604336"

Au niveau du champ mRNA des annotations, il y a donc par exemple le gène TPTE qui a pour mRNA de référence NM_199260.2, avec sa description et les identifiants classiques. Tu as aussi les positions des exons sur la séquence complémentaire. Tu peux ainsi reconstruire la structure de ton gène et le localiser sur le génomique de référence.

Je te conseille de lire le lien suivant.

Voilà, j'espère que ces petites informations t'aideront à avancer ...

[myosotis29]

Enfin le bonheur,
j'ai pu enfin récuperer mes fichiers. je n'ai pas utilisé de module biopython mais j'ai construit des urls que j'ouvre dans mon programme que je parse par la suite pour avoir l'information dont j'en ai besoin
Merci pour le coup de pouce