python合拼RepeatMasker預(yù)測(cè)分析效果中染色體的overlap區(qū)域

89542767 發(fā)布于2022-12-22 14:09 / 436人閱讀

　　此篇文章主要是給大家介紹了python合拼RepeatMasker預(yù)測(cè)分析效果中染色體的overlap區(qū)域完成實(shí)例分析，感興趣的小伙伴可以參考參考一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早工作上得到晉升

　　序言

　　RepeatMasker是一種根據(jù)已經(jīng)有數(shù)據(jù)庫(kù)系統(tǒng)預(yù)測(cè)分析重復(fù)序列的app，能夠挑選DNA序列里的散在重復(fù)序列和高繁雜編碼序列，是重復(fù)序列注解的主要手機(jī)軟件。

　　難題

　　大家想跟RepeatMasker預(yù)測(cè)效果文檔開展重復(fù)序列的合拼，其實(shí)就是清除性染色體間的overlap區(qū)域并將遺傳基因間隔低于50個(gè)bc的也是一樣視作overlap，大家該如何用python解決并形成一個(gè)新的預(yù)測(cè)分析效果？

　　構(gòu)思

　　首先要對(duì)文檔開展預(yù)備處理獲取出需要解決的列，'//'可以忽略不計(jì)

　　對(duì)同樣性染色體編碼序列依照降序開展歸并排序

　　各自取相對(duì)應(yīng)性染色體依照滑動(dòng)窗口思路開展雙指針核對(duì)，留意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&lt;=3;i++)
　　printf("%s",$i);
　　printf("n")}'result.txt&gt;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])&lt;end or int(i[1])-end&lt;gap:
　　if int(i[2])&gt;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])&lt;end or int(i[1])-end&lt;gap:
　　if int(i[2])&gt;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)

　　以上就是小編給大家總結(jié)的全部知識(shí)了，希望可以給大家?guī)?lái)幫助。