给GFF3格式文件添加fasta格式

　　是不是没见过带有序列的gff3格式。为啥这么做，这就要说到我最近在做的东西了。Jbrowse是一款基因组可视化浏览器。可以将基因组可视化以及大部分以基因组为基础的可视化，比如reads、SNP、QTL、GWAS、gene。支持fasta,bam,vcf,gff3等格式文件。说了这么多，给个实例，自己慢慢体会。同时附上官网地址和Genome Biology上的论文。

　　优点就是：A fast, embeddable genome browser built with HTML5 and JavaScript。缺点的话相比GBrowse来说就是对比较基因组学的结果展示不是太好。

顺带介绍一款与Jbrowse具有相似功能的新软件，Pbrowse。感兴趣的可以自行脑补知识点。

　　为什么可视化？这就不得不说我所在的实验室。我导师虽说可以招收生物信息学博士，但是做遗传出身的，生物信息不是实验室的主要方向。现在我们实验室专门做生物信息的就俩人。一个是南大新来的小袁老师，另一个就是我。实验室主要的方向是做图位克隆。我们所做的一些工作也要服务于这一方向。老板应该属于早期生物信息学者，对二代测序的东西不是很熟悉也不相信。比如，老板比较相信EST序列，一个A基因有1条EST序列支持，另外一个B基因没有EST支持。但是从RNA_seq结果来看，B基因比A基因表达高10倍。老板非得说，RNA_seq不对，还要求查看原始的reads。看也可以，但是IGV这类的软件他也不用，他只用macvector，于是我花了很大的功夫整成macvector格式给他看。当然，看完也就那样，这种反常也正常，120万条EST只有1条EST支持，说明基因表达水平本来就低，那1条可能就是随机出现的。有些基因如果只有RNA_seq支持，没有EST支持，那么他认为这个基因几乎就不可信。实验室30多号生物信息薄弱患者，大部分人的区间不一样，关心的数据不一样，该如何让他们更容易的使用这些已发表的生物信息资源？于是我看到了Jbrowse，数据整理好在线可视化，对于我们俩来说是一种解放。

　叨叨这么多，言归正传。gff3格式导入进Jbrowse，通过点击左键不能获得全长transcript序列，所以就想到加一个fasta标签就可以了。当然gff3格式还可以加入其它信息，比如功能注释的信息。  科学网格式支持不是很好，想看代码部分的请移步这里，这里，这里

　GFF3格式如下：

fasta格式就不贴在这里了。
最后的结果：

python代码如下：

#!/usr/bin/env python

# -*- coding: utf-8 -*-

__author__ = 'Sheng-Wei Ma'

__author_email__ = 'shengweima@icloud.com'

dic = {}

withopen('1.txt', 'r') as f:

   for line in f:

       lin = line.strip().split()

       if lin[0] notin dic:

           dic[lin[0]] = lin[2]

withopen('CS_RNA_seq_transcript.gff3', 'r') as f2:

   for line in f2:

       lin = line.strip().split('t')

       if lin[2] == 'transcript':

           name = lin[8].split(";")[0].split('=')[1]

           if name in dic:

               print line.strip() + ";seq=" + str(dic[name])

       else:

           print line,