用途:使用 Biopython 读取、写出和转换生物序列文件(FASTA、GenBank、FASTQ 等),并在读取过程中完成基础序列操作与过滤统计,适用于比对、组装、注释等下游流程的数据准备。
主要能力:通过 Bio.Seq.Seq 进行切片、反向互补、转录/翻译等操作;通过 Bio.SeqIO 解析与写出多种格式;以“源格式读取、目标格式写出”的方式实现格式转换,并保留标识符与注释;支持基于迭代器的流式解析,以及 SeqIO.index 的索引访问,便于处理大文件;常见过滤包括最小长度、最大模糊碱基数,以及 FASTQ 的质量相关处理;GC 比例按 (G+C)/长度 计算。
使用方式:依赖 biopython>=1.80、numpy>=1.21。按约定将运行配置写入 config/task_config.json,包含 input_path、input_format、output_path、output_format、min_length、max_ambiguous、index_db_path 等字段,然后运行 python scripts/sequence_io.py。脚本以 SeqIO.parse 流式读取,逐条过滤后写出,并生成 config/summary.json 汇总保留记录数与长度统计。所有文件 I/O 需指定 encoding="utf-8",JSON 输出使用 ensure_ascii=False。
适用场景:格式互转(如 FASTA 与 GenBank、FASTQ 转 FASTA)、为下游流程准备序列数据、无需自写解析器的序列操作、大文件流式或索引处理、入库时的简单统计与过滤。
限制:目标格式需支持所期望的字段,例如 GenBank 比 FASTA 需要更丰富的元数据;缺少源数据、标识符、文件或凭据时不应使用;不得用于编造结果或超出范围的结论;更简单的直接回答可能比该工作流更合适。具体收费、平台与效果资料暂未提供。