您现在的位置是：首页 >技术杂谈 >C#，生信软件实践（04）——DNA数据库EMBL格式文件的解释器之完整源代码网站首页技术杂谈

EMBL文件的格式详解请阅读前面的文章：

C#，生信软件实践（02）——DNA数据库EMBL格式详解及转为FASTA格式文件的源代码https://blog.csdn.net/beijinghorn/article/details/130462070

本文的代码用于：

（1）解释 EMBL 文件并转为 C# 的类；

（2）可提取 FASTA 序列数据；

（3）可提取 FEATURES 数据；

（4）是生信工具软件 BIOG 的一部分代码；

using System;
using System.IO;
using System.Text;
using System.Linq;
using System.Drawing;
using System.Collections;
using System.Collections.Generic;
using System.Runtime.Serialization;

namespace Legal.BIOG
{
    [DataContract]
    public class EMBL_ELEMENT
    {
        [DataMember(Order = 1)]
        public string Name { get; set; } = "";
        [DataMember(Order = 2)]
        public string Content { get; set; } = "";

        public EMBL_ELEMENT(string buf)
        {
            Name = buf.Substring(0, 2);
            Content = buf.Substring(2).Trim();
        }

        public EMBL_ELEMENT(string name, string content)
        {
            Name = name;
            Content = content;
        }
    }

    [DataContract]
    public class EMBL_REFERENCE
    {
        [DataMember(Order = 1)]
        public List<EMBL_ELEMENT> Items { get; set; } = new List<EMBL_ELEMENT>();
        public void Append(string name, string content)
        {
            Items.Add(new EMBL_ELEMENT(name, content));
        }
    }

    [DataContract]
    public class EMBL_FEATURE
    {
        [DataMember(Order = 1)]
        public string Name { get; set; } = "";
        [DataMember(Order = 2)]
        public string Lines { get; set; } = "";

        public EMBL_FEATURE(string name, string lines)
        {
            Name = name;
            Lines = lines;
        }

        public List<string> FeatureList
        {
            get
            {
                string[] ra = B.S2L(Lines);
                return ra.ToList();
            }
        }

        /// <summary>
        /// 搜索 FEATURE 项目
        /// 比如：/db_xref=
        /// </summary>
        /// <param name="name">db_xref</param>
        /// <param name="branch">db_xref</param>
        /// <returns></returns>
        public string FindBranch(string name, string branch)
        {
            List<string> list = FeatureList;
            if (Name == name)
            {
                foreach (string s in list)
                {
                    if (s.StartsWith("/" + branch + "="))
                    {
                        return s.Substring(branch.Length + 2);
                    }
                }
            }
            return "";
        }

        public string Position
        {
            get
            {
                List<string> list = FeatureList;
                return (list[0].Contains("..")) ? list[0] : "";
            }
        }

        public List<Point> PositionList
        {
            get
            {
                return Utility.PositionList(Position);
            }
        }
    }

    [DataContract]
    public class EMBL_Item
    {
        [DataMember(Order = 1)]
        public List<EMBL_ELEMENT> Descriptions { get; set; } = new List<EMBL_ELEMENT>();
        [DataMember(Order = 2)]
        public List<EMBL_REFERENCE> References { get; set; } = new List<EMBL_REFERENCE>();
        [DataMember(Order = 3)]
        public List<EMBL_FEATURE> Features { get; set; } = new List<EMBL_FEATURE>();

        public string Find(string name)
        {
            EMBL_ELEMENT de = Descriptions.Find(t => t.Name == name);
            return (de.Name == name) ? de.Content.Replace(" ", " ") : "";
        }

        /// <summary>
        /// 提取 FASTA 序列信息
        /// </summary>
        public string Sequence
        {
            get
            {
                EMBL_ELEMENT sq = Descriptions.Find(t => t.Name == "SQ");
                return (sq.Name == "SQ") ? (sq.Content) : "";
            }
        }
    }

    public class EMBL_File
    {
        public List<EMBL_Item> Items { get; set; } = new List<EMBL_Item>();

        public EMBL_File(string buf)
        {
            try
            {
                string[] xlines = B.S2L(buf);
                EMBL_Item item = null;
                EMBL_REFERENCE rfx = null;
                for (int i = 0; i < xlines.Length; i++)
                {
                    if (xlines[i].StartsWith("ID"))
                    {
                        if (item != null) { Items.Add(item); item = null; }
                        item = new EMBL_Item();
                        item.Descriptions.Add(new EMBL_ELEMENT(xlines[i]));
                        continue;
                    }
                    else if (xlines[i].StartsWith("FH") || xlines[i].StartsWith("FT"))
                    {
                        string rs = Utility.ReadFeatureLines(ref i, xlines, out string kw, 2, 21);
                        EMBL_FEATURE ef = new EMBL_FEATURE(kw, rs);
                        item.Features.Add(ef);
                        continue;
                    }
                    else if (xlines[i].StartsWith("XX"))
                    {
                        if (rfx != null) { item.References.Add(rfx); rfx = null; }
                        continue;
                    }
                    else if (xlines[i].StartsWith("//"))
                    {
                        if (item != null) { Items.Add(item); item = null; }
                        continue;
                    }
                    else if (xlines[i].StartsWith("RN") ||
                        xlines[i].StartsWith("RP") ||
                        xlines[i].StartsWith("RA") ||
                        xlines[i].StartsWith("RT") ||
                        xlines[i].StartsWith("RL")
                        )
                    {
                        if (xlines[i].StartsWith("RN"))
                        {
                            if (rfx != null) { item.References.Add(rfx); }
                            rfx = new EMBL_REFERENCE();
                        }
                        string rs = Utility.ReadMultiLines(ref i, xlines, out string kw, 5);
                        rfx.Append(kw, rs);
                        continue;
                    }
                    else if (xlines[i].StartsWith("SQ"))
                    {
                        i++;
                        string rs = Utility.ReadSequenceLines(ref i, xlines, 5);
                        item.Descriptions.Add(new EMBL_ELEMENT("SQ", rs));
                        continue;
                    }
                    else
                    {
                        string rs = Utility.ReadMultiLines(ref i, xlines, out string kw, 5, " ");
                        item.Descriptions.Add(new EMBL_ELEMENT(kw, rs));
                        continue;
                    }
                }
                if (item != null)
                {
                    Items.Add(item);
                }
            }
            catch (Exception ex)
            {
                throw new Exception("EMBL_File() ERROR: " + ex.Message);
            }
        }

        public static EMBL_File FromFile(string filename)
        {
            try
            {
                string buf = File.ReadAllText(filename);
                return new EMBL_File(buf);
            }
            catch (Exception ex)
            {
                throw new Exception("EMBL_File() ERROR: " + ex.Message);
            }
        }

        public void Write_Json(string filename)
        {
            try
            {
                File.WriteAllText(filename, SimpleJson.SerializeObject(Items));
            }
            catch (Exception ex)
            {
                throw new Exception("EMBL_File.Write_Json ERROR: " + ex.Message);
            }
        }

        /// <summary>
        /// 提取 FASTA 序列信息
        /// </summary>
        /// <returns></returns>
        public string Fasta_Sequences()
        {
            StringBuilder sb = new StringBuilder();
            foreach (EMBL_Item item in Items)
            {
                sb.AppendLine(">" + item.Find("DE"));
                sb.AppendLine(B.BreakTo(item.Sequence));
                sb.AppendLine("");
            }
            return sb.ToString();
        }

        /// <summary>
        /// 输出一些属性数据
        /// source: db_xref, mRNA: gene, CDS: codon_start
        /// </summary>
        /// <returns></returns>
        public string Print_Features()
        {
            StringBuilder sb = new StringBuilder();
            foreach (EMBL_Item item in Items)
            {
                // 提取指定的一些属性条目
                foreach (EMBL_FEATURE feature in item.Features)
                {
                    if (feature.FeatureList.Count > 1)
                    {
                        sb.AppendLine(">" + feature.Name + " " + feature.FeatureList[1]);
                        sb.AppendLine(B.BreakTo(Utility.SequenceByPosition(item.Sequence, feature.PositionList)));
                        sb.AppendLine("");
                    }
                }
            }
            return sb.ToString();
        }

        /// <summary>
        /// 提取属性中的 translation 为蛋白质序列
        /// </summary>
        /// <returns></returns>
        public string Protein()
        {
            StringBuilder sb = new StringBuilder();
            foreach (EMBL_Item item in Items)
            {
                foreach (EMBL_FEATURE feature in item.Features)
                {
                    string tr = feature.FindBranch("CDS", "translation");
                    if (tr.Length > 0)
                    {
                        sb.AppendLine(">" + feature.Name + " " + feature.FeatureList[1]);
                        sb.AppendLine(B.BreakTo(tr.Replace(" ", "").Replace(""", "")));
                        sb.AppendLine("");
                    }
                }
            }
            return sb.ToString();
        }
    }
}
 

以这样的格式发布代码是一种新尝试，或许可避开内容太少。