# bio_tools

**Repository Path**: theing/bio_tools

## Basic Information

- **Project Name**: bio_tools
- **Description**: 实现自动化多基因联合构树。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2020-12-16
- **Last Updated**: 2021-07-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 简介

这是一个全自动进行多基因联合构树的程序， 使用了`ClustalW`算法进行批量处理比对序列，程序使用了多线程。 可以实现`fasta`格式的序列文件的批量分割，合并，聚类，基因查找，基因位置导出，等等功能。

## 准备

1. 需要克隆这个项目到本地，前提是安装`git`。[下载地址](https://git-scm.com/)

```
git clone https://gitee.com/theing/bio_tools.git
```

​	或者直接下载本项目到您的使用目录

2. 安装MEGA-CC，因为使用的是win系统，所以需要安装这个内核，在Linux系统下不需要安装，后续有机会会开发适配Linux系统的程序。安装请选择Command Line（CC）， Windows版本安装。 [下载地址](https://www.baidu.com/link?url=3DdxZ5IYrOY3FY3aiEJCjzcq4N2QIFBv7-yiJp7lkffhVs1Gd1IXBMUVaehzkFct&wd=&eqid=c057cb900006ff7a0000000360093787)

3. 安装Python解释器。

   

## 功能

1. #### 分割序列

   功能介绍：有时候我们需要提取出整个序列单个基因的序列文件，可以用到这个功能。

   使用：把需要分割的`fasta`源文件放入`source`文件夹中，在`bin`目录中执行命令，程序会自动执行，执行完毕会在目录里生成`bulid`文件夹中生成相应文件名，里面存放着相应文件分割后的单基因序列文件。

   ```shell
   python split_seq.py
   ```

2. #### gene 聚类

   功能介绍：有时候我们需要多个物种的同一个基因写入到同一个`fasta`文件中，此时可以用到这个命令（都是批量的，后续如果有需求会添加聚类单个基因的选项）。添加功能，可以自动查找可用于多基因联合构树的基因，导出到`use`目录下。

   使用：把需要分割的`fasta`源文件放入`source`文件夹中，执行命令会在目录里生成`bulid`文件夹，默认名称为`sequence + geneName`,在`bin`目录下执行：

   ```shell
   python class_seq.py
   ```

3. #### 批量比对

   功能介绍：在聚类出相同的基因后可以用这个功能进行批量的比对，默认使用MEGAX内核集成的`ClustalW`算法对蛋白质进行比对，程序使用了多线程，相比上一个版本大幅缩短了比对的时间。

   使用：默认读取目录为`\bulid\class\use\`,为聚类的输出目录，后续看需求是否增加选项，在`bin`目录下执行。

   ```shell
   python align_seq.py
   ```

4. #### merge 合并

   功能介绍：当时聚类了很多的单基因后得到了很多的多个物种的单基因文件，比对后又得到很多的比对后的文件，此时又要把这些只有一个基因的的序列文件合并成，一个物种的整条序列。可以用到这个功能，基本是聚类的逆向工程。为什么要写这两个功能，因为如果直接排序基因参与比对的话算法似乎不准确，得到的序列大多参差不齐，所以需要拆分这些基因单独的进行比对，然后再合并成一个物种的整个序列，得到比对好的序列，可直接拿来建树。

   使用：默认读取的单基因`fasta`文件为`bulid\megax\aligned`中，会在`bulid\marged`中生成合并并排序好序列的`fasta`文件，在`bin`目录下执行。

   ```shell
   python merge_seq.py
   ```

5. #### 自动标注标签

   功能介绍：有时候我们得到一个整个序列只有ATCG的序列文件，没有标注基因头信息，可以用到这个功能。

   需要的头信息可以在文件里面更改。或者提供csv表格，每行的第一格为基因名称，第二格为起始位置，第二格为终止位置，第三格(`+/-`)为正序或互补序列。

   **注意：**

- `dataInfor`为`csv`文件，格式如

  ```csv
  trnH-GUG,2,75,-,
  psbA,421,1482,-,
  trnK-UUU,1782,1816,-,exon2
  matK,2092,3612,-,
  trnK-UUU,4377,4413,-,exon1
  ```

- `source`中`fasta`文件未标注的序列中第一行标注结尾为  `[]`  ，没有请自行添加

  使用：把已经有的`csv`文件，添加到`dataInfor`文件中命名为`lable.csv`，把对应的基因序列文件放在`source`文件夹中，在`bin`目录下终端中执行命令，执行程序可在`bulid`文件夹中生成标注好的`fasta`格式的文件

  ```shell
  python autoLable_seq.py
  ```

6. #### sort 自动排序基因序列

   功能介绍：有时候我们需要几个物种的好几个基因参与比对，但是基因的位置方向不一致，可以用到这个功能。

   使用：把需要排序基因的物种的`fasta`格式的文件通通放入source文件夹中，执行就可以了。会在`bulid`文件夹中生成相应文件名的，基因方向一致的`fasta`格式的文件。
   
   **注意：** 基因顺序为首字母顺序排序。

   ```shell
    python sort_seq.py
   ```

   如果该程序帮助到您，请给一刻五角星收藏，感谢对开源的支持。