快捷導(dǎo)航

python合并RepeatMasker預(yù)測(cè)結(jié)果中染色體的overlap區(qū)域

更新時(shí)間：2022年07月01日 08:55:25 作者：生信工具箱

這篇文章主要為大家介紹了python合并RepeatMasker預(yù)測(cè)結(jié)果中染色體的overlap區(qū)域?qū)崿F(xiàn)示例解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

前言

RepeatMasker是一個(gè)通過(guò)已有數(shù)據(jù)庫(kù)預(yù)測(cè)重復(fù)序列的軟件，可以篩選DNA序列中的散在重復(fù)序列和低復(fù)雜序列，是重復(fù)序列注釋的重要軟件。

問(wèn)題

我們想對(duì)RepeatMasker預(yù)測(cè)的結(jié)果文件進(jìn)行重復(fù)序列的合并，也就是去除染色體之間的overlap區(qū)域同時(shí)將基因間距小于50個(gè)bp的也同樣視為overlap，我們應(yīng)該如何用python處理并生成新的預(yù)測(cè)結(jié)果？

思路

首先需要對(duì)文件進(jìn)行預(yù)處理提取出需要處理的列，'//'可以忽略
對(duì)相同染色體序列按照升序進(jìn)行歸并排序
分別取相應(yīng)染色體按照滑動(dòng)窗口的思路進(jìn)行雙指針比對(duì)，注意gap=50

1. 預(yù)處理

我們這里只需要結(jié)果文件的前三列，可以使用awk命令獲取

    awk '{for(i = 1; i <= 3; i++) 
         printf("%s ", $i); 
         printf("\n")}' result.txt >  pretreatment.txt  
         #result.txt為結(jié)果文件，pretreatment.txt為預(yù)處理結(jié)果文件

2. 將pretreatment.txt作為輸入文件，

with open ('pretreatment.txt','r')as f:
    for i in f.readlines():
        if i.strip() == '//':
            continue
        c = i.strip().split('\t')
        b.append(c[0])
        a.append((c[0],int(c[1]),int(c[2])))
print ("全部染色體數(shù)量: "+str(len(a)))

3.去重+歸并排序

c = [i for i in b_set if b.count(i) == 1]
for i in a:
    if i[0] not in c:
        continue
    a.remove(i)
    result.append((i[0],int(i[1]),int(i[2])))
print ("去重后染色體數(shù)量: "+str(len(a)))

a.sort(key = lambda x : (x[0], x[1], x[2])) 
#按照第一列，第二列，第三列分別排降升序

4.開(kāi)始比對(duì)，gap=50

q = ''
start = 0
end = 0
tem1 = []
tem2 = []
gap = 50 
for i in a:
    if i[0] != q:
        if tem1:
            if tem1 not in tem2:
                tem2.append(tem1)
                tem1 = []
        q = I[0]
        start = int(i[1])
        end = int(i[2])
        continue
    if int(i[1]) < end or int(i[1]) - end < gap:
        if int(i[2]) > end:
            end = int(i[2])
            continue
        else:
            continue
    tem1.append([q,start,end])
    start = int(i[1])
    end = int(i[2])

5.將new_result.txt作為輸出文件，生成結(jié)果

with open ('new_result.txt','w')as f:
    for i in tem2:
        for o in I:
            print (o[0],o[1],o[2],file=f)
    for i in result:
        print (i[0],i[1],i[2],file=f)

6. 完整代碼

a = []
b = []
with open ('pretreatment.txt','r')as f:
    for i in f.readlines():
        if i.strip() == '//':
            continue
        c = i.strip().split('\t')
        b.append(c[0])
        a.append((c[0],int(c[1]),int(c[2])))
print ("全部染色體數(shù)量: "+str(len(a)))
b_set = set(b)
result = []
c = [i for i in b_set if b.count(i) == 1]
for i in a:
    if i[0] not in c:
        continue
    a.remove(i)
    result.append((i[0],int(i[1]),int(i[2])))
print ("去重后染色體數(shù)量: "+str(len(a)))
a.sort(key = lambda x : (x[0], x[1], x[2]))
q = ''
start = 0
end = 0
tem1 = []
tem2 = []
gap = 50
for i in a:
    if i[0] != q:
        if tem1:
            if tem1 not in tem2:
                tem2.append(tem1)
                tem1 = []
        q = I[0]
        start = int(i[1])
        end = int(i[2])
        continue
    if int(i[1]) < end or int(i[1]) - end < gap:
        if int(i[2]) > end:
            end = int(i[2])
            continue
        else:
            continue
    tem1.append([q,start,end])
    start = int(i[1])
    end = int(i[2])
with open ('new_result.txt','w')as f:
    for i in tem2:
        for o in I:
            print (o[0],o[1],o[2],file=f)
    for i in result:
        print (i[0],i[1],i[2],file=f)

以上就是python合并RepeatMasker預(yù)測(cè)結(jié)果中染色體的overlap區(qū)域的詳細(xì)內(nèi)容，更多關(guān)于python RepeatMasker預(yù)測(cè)overlap的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: