How Do I read a GenBank, SwissProt or EMBL file?

The SeqIOTools class contains methods for reading GenBank, SwissProt and EMBL files. Because any of these files can contain more than one sequence entry SeqIOTools will return a SequenceIterator which can be used to iterate through the individual sequences. One of the attractive features of this model is that the Sequences are only parsed and created as needed so very large collections of sequences can be handled with moderate resources.

Information in the file is stored in the Sequence as Annotations or where there is location information as Features.

Three specific solutions are presented (which are all very similar) followed by a generic solution (for biojava1.3 pre1). A fourth solution revises the generic solution for the biojava1.3 API which is a bit friendlier.

Reading GenBank

```java import org.biojava.bio.seq.*; import org.biojava.bio.seq.io.*; import java.io.*; import org.biojava.bio.*; import java.util.*;

public class ReadGB {

 public static void main(String[] args) {
   BufferedReader br = null;

   try {

     //create a buffered reader to read the sequence file specified by args[0]
     br = new BufferedReader(new FileReader(args[0]));

   }
   catch (FileNotFoundException ex) {
     //can't find the file specified by args[0]
     ex.printStackTrace();
     System.exit(-1);
   }

   //read the GenBank File
   SequenceIterator sequences = SeqIOTools.readGenbank(br);

   //iterate through the sequences
   while(sequences.hasNext()){
     try {

       Sequence seq = sequences.nextSequence();
       //do stuff with the sequence

     }
     catch (BioException ex) {
       //not in GenBank format
       ex.printStackTrace();
     }catch (NoSuchElementException ex) {
       //request for more sequence when there isn't any
       ex.printStackTrace();
     }
   }
 }

} </java>

Reading SwissProt

```java import org.biojava.bio.seq.*; import org.biojava.bio.seq.io.*; import java.io.*; import org.biojava.bio.*; import java.util.*;

public class ReadSwiss {

 public static void main(String[] args) {
   BufferedReader br = null;

   try {

     //create a buffered reader to read the sequence file specified by args[0]
     br = new BufferedReader(new FileReader(args[0]));

   }
   catch (FileNotFoundException ex) {
     //can't find the file specified by args[0]
     ex.printStackTrace();
     System.exit(-1);
   }

   //read the SwissProt File
   SequenceIterator sequences = SeqIOTools.readSwissprot(br);

   //iterate through the sequences
   while(sequences.hasNext()){
     try {

       Sequence seq = sequences.nextSequence();
       //do stuff with the sequence

     }
     catch (BioException ex) {
       //not in SwissProt format
       ex.printStackTrace();
     }catch (NoSuchElementException ex) {
       //request for more sequence when there isn't any
       ex.printStackTrace();
     }
   }
 }

} </java>

Reading EMBL

```java import org.biojava.bio.seq.*; import org.biojava.bio.seq.io.*; import java.io.*; import org.biojava.bio.*; import java.util.*;

public class ReadEMBL {

 public static void main(String[] args) {
   BufferedReader br = null;

   try {

     //create a buffered reader to read the sequence file specified by args[0]
     br = new BufferedReader(new FileReader(args[0]));

   }
   catch (FileNotFoundException ex) {
     //can't find the file specified by args[0]
     ex.printStackTrace();
     System.exit(-1);
   }

   //read the EMBL File
   SequenceIterator sequences = SeqIOTools.readEmbl(br);

   //iterate through the sequences
   while(sequences.hasNext()){
     try {

       Sequence seq = sequences.nextSequence();
       //do stuff with the sequence

     }
     catch (BioException ex) {
       //not in EMBL format
       ex.printStackTrace();
     }catch (NoSuchElementException ex) {
       //request for more sequence when there isn't any
       ex.printStackTrace();
     }
   }
 }

} </java>

GeneralReader (biojava 1.3 pre 1)

```java import org.biojava.bio.seq.io.*; import org.biojava.bio.seq.*; import java.io.*;

public class GeneralReader {

 /**
  * This program will read any file supported by SeqIOTools it takes two
  * arguments, the first is the file name the second is the int constant
  * for the file type in SeqIOTools. See SeqIOTools for possible file types.
  * The constants used are:
  * UNKNOWN = 0;
  * FASTADNA = 1;
  * FASTAPROTEIN = 2;
  * EMBL = 3;
  * GENBANK = 4;
  * SWISSPROT = 5;
  * GENPEPT = 6;
  * MSFDNA = 7;
  * FASTAALIGNDNA = 9;
  * MSFPROTEIN = 10;
  * FASTAALIGNPROTEIN = 11;
  * MSF = 12;               //only appropriate for reading
  *
  */
 public static void main(String[] args) {
   try {
     //prepare a BufferedReader for file io
     BufferedReader br = new BufferedReader(new FileReader(args[0]));

     //get the int constant for the file type
     int fileType = Integer.parseInt(args[1]);

     /*
      * get a Sequence Iterator over all the sequences in the file.
      * SeqIOTools.fileToBiojava() returns an Object. If the file read
      * is an alignment format like MSF and Alignment object is returned
      * otherwise a SequenceIterator is returned.
      */
     SequenceIterator iter =
         (SequenceIterator)SeqIOTools.fileToBiojava(fileType, br);
   }
   catch (FileNotFoundException ex) {
     //can't find file specified by args[0]
     ex.printStackTrace();
   }catch (NumberFormatException ex) {
     //args[1] is not an integer
     ex.printStackTrace();
   }
 }

} </java>

GeneralReader (biojava 1.3)

```java import java.io.*;

import org.biojava.bio.*; import org.biojava.bio.seq.*; import org.biojava.bio.seq.io.*;

public class GeneralReader {

 /**
  * This program will read any file supported by SeqIOTools it takes three
  * arguments, the first is the file name the second is the format type the
  * third is the type of residue being read. Illegal combinations such as
  * SwissProt and DNA will cause an exception.
  *
  * Allowed formats are: (case insensitive).
  *
  * FASTA
  * EMBL
  * GENBANK
  * SWISSPROT (or swiss)
  * GENPEPT
  *
  * Allowed sequence types are: (case insensititve).
  *
  * DNA
  * AA (or Protein)
  * RNA
  *
  */
 public static void main(String[] args) {
   try {
     //prepare a BufferedReader for file io
     BufferedReader br = new BufferedReader(new FileReader(args[0]));

     //the flat file format
     String format = args[1];

     //the Alphabet
     String alpha = args[2];

     //get the int value for the format and alphabet

     /*
      * get a Sequence Iterator over all the sequences in the file.
      * SeqIOTools.fileToBiojava() returns an Object. If the file read
      * is an alignment format like MSF and Alignment object is returned
      * otherwise a SequenceIterator is returned.
      */
     SequenceIterator iter =
         (SequenceIterator)SeqIOTools.fileToBiojava(format, alpha, br);

     // do something with the sequences
     SeqIOTools.writeFasta(System.out, iter);
   }
   catch (FileNotFoundException ex) {
     //can't find file specified by args[0]
     ex.printStackTrace();
   }catch (BioException ex) {
     //invalid file format name
     ex.printStackTrace();
   }catch (IOException ex){
     //error writing to fasta
     ex.printStackTrace();
   }
 }

} </java>