如何从Biopython的SeqRecord中提取GenBank记录的病毒宿主信息？

当然可以从SeqRecord对象中提取宿主信息，宿主数据存储在GenBank记录的source特征的qualifiers字典里，而非直接在顶层annotations中。

具体实现步骤： #

• 遍历SeqRecord的features列表，筛选出type为source的特征
• 从该特征的qualifiers字典中获取host对应的取值

修改后的代码示例： #

from Bio import Entrez, SeqIO

# NCBI要求使用Entrez接口必须绑定邮箱，防止被限制访问
Entrez.email = "your_email@example.com"

id = 'CY238774.1'
handle = Entrez.efetch(db='nucleotide', id=id, rettype='gb', retmode='text')
record = SeqIO.read(handle, 'gb')

# 提取宿主信息
host_info = None
for feature in record.features:
    if feature.type == 'source':
        if 'host' in feature.qualifiers:
            # qualifiers的取值为列表，取第一个元素即可
            host_info = feature.qualifiers['host'][0]
            break

print(host_info)  # 输出结果: Homo sapiens

补充说明： #

• 部分GenBank记录可能未标注宿主信息，建议添加空值判断逻辑避免报错
• 批量处理多条记录时，可将提取逻辑封装为函数循环调用

内容的提问来源于stack exchange，提问作者darkwing