使用biopython仅下载部分genbank文件

Question

我刚接触Biopython，在解析genbank文件时遇到了性能问题。

我必须解析很多gb文件，从中我有登录号。在解析之后，我只想检查文件的分类法和器官。现在，我有这样的代码：

from Bio import SeqIO
from Bio import Entrez
gb_acc1 = Entrez.efetch(db='nucleotide', id=access1, rettype='gb', retmode='text')   #Where access1 contents the accession number
rec = SeqIO.read(gb_acc1, 'genbank')
cache[access1] = rec   #where cache is just a dictionary where saving the gb files already downloaded
feat = cache[access1].features[0]   
if 'organelle' in feat.qualifiers.keys(): #And the code goes on

为了查找我拥有的分类法：

gi_h = Entrez.efetch(db='nucleotide', id=access, rettype='gb', retmode='text')
    gi_rec = SeqIO.read(gi_h, 'genbank')
    cache[access]=gi_rec
    if cache[access].annotations['taxonomy'][1] == 'Fungi':
                                fungi += 1 #And the code goes on

这(整个脚本)运行得很好。我的问题是，我下载了整个gb文件(有时很大)，只是为了查看这两个特性:细胞器和分类法。如果我只能下载gb文件的这一部分，我的脚本会快得多，但我还没有弄清楚这是否可能。

有没有人知道这是否可以做到，如果可以，如何做到？提前谢谢你

Answer 1

你可以使用seq_start and seq_stop截断你的序列，然后像以前一样解析它，例如

gb_acc1 = Entrez.efetch(db='nuccore', id=access1, rettype='gb', retmode='xml', seq_start=1, seq_stop=1)

也许您甚至不需要存储整个GenBank文件，只需要存储一个字典，其中ID作为键，分类法和器官作为值？