[python项目一]查找输出fasta序列的gap的起始终止等信息

2024-03-14 15:58

本文主要是介绍[python项目一]查找输出fasta序列的gap的起始终止等信息,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、需要实现的程序内容及输出:

对于输入的fasta序列,编写程序查找里面N的起始,终止位置等信息,如下面的染色体test.fa序列为例:

>1 dna_sm:chromosome chromosome:UMD3.1:1:1:158337067:1 REF
aaattagacactgaagagacttggaaagagaggaagtcaaataacaaagaagaggaaacc
aaaagggcctatagaccttgagtattctcaaggtggaacaagaaactatctgaaattgaa
ccgacccccacgctgcccacaacagctccagagaaattcctagatatatttttactacta
tcataaAAAAAatgattgagtttattttgtatttttaatattgtatttttgagagtgtat
cttctctacttcactctgtgaatctctaggtgttctgggctgtggagaacacttagggaa
>2
ctgattactggctagatcagtctctccccttttgtttgcccttcttctcctcctggtcac
tccaaaacttgagaacaccaggaaactcctgactccaggaacattaatcaacaagagctc
atccaaaagcctccatacctacacggaaaccaagctccatccaagagccaacaagttcca
NNNTCTTTTGACTCTCCCTTTTCTCTCCCATGTCAGCTCTTTCTCCTCCCTCCCCCTTCT
gatcaagacataccatgctaattctccaacaacataggaacatagccctgaacattaaaa
tacaggctgcccaacgtcatgtcaaacccatagatgccccaaaactcactcctggacact
>3
tcattgcactccagagagaagagatccagttccaccgaccagaacacagatgcaagtttc
caaacccaatcaaaagaggaagagatagggagtctacctgaaaaagaattcagagtaatg
>4
gatcaataatgaataatgcaataacagatcaaaagaactctggagggaaacaacagtaga
ggcatgagaaaatacctgaggagataatagttgaaattttctctaaaatggggaaggaaa
atcctaagacatacattaatcaaattaatgaagaccaaacacaaagaacaaatattaaag
TTTTTTTTAATAAATGCCAATCTGTTTATGACTTAACTTGTCANNNNNNNNNNNNNNNNN
NNNNNNNNANNCCCTNNNNNNNNACTTCAGACAATAATGTTTTTTTAAAACCAGTCTAGT
TTCTTGGACTTCTAGTTGGATGGCTTCACCGACTTGAAGGACGTGAGTTTGAGTAAGTTC
CAAGAGTTAGTGATGGACAGGGAAGCCCGGTGTGCTGCAGTCCCTGGGGTGGCAAAGAGT

希望得到每一条染色体N的pos的起始位置,终止位置,长度以及中的Gap(N又称为Gap区域)的总长及总数目,输出结果为:

test.fa.pos:

ID=>2   180     182     3
ID=>4   223     247     25
ID=>4   249     250     2
ID=>4   255     262     8

test.fa.stat:

Total_gap_num=4,Total_gap_len=38


二、用perl的相应的程序如下:

#/user/bin/perl -w
use strict;
unless(@ARGV==1){
die"Usage:perl $0 <input.fa>\n";
}
my($infile)=@ARGV;
open IN,$infile||die"error:can't open infile:$infile";
my $outfile1=$infile."_out";
my $outfile2=$infile."_stat";
open OUT,">$outfile1"||die$!;
open OUTT,">$outfile2"||die$!;
$/=">";<IN>;
my $start=0;
my $skip=0;
my $step;
my $len=1;
my $stop;
my $end;
my $total_len=0;
my $number=0;
my $num_1bp=0;
my $line;
my $i;
while(my $seq=<IN>)
{
if(index($seq,"N")!=-1)
{#if-1
my $id=$1 if($seq=~/^(\S+)/);
chomp $seq;
$seq=~s/^.+?\n//;
$seq=~s/\s//g;
if(index($seq,"N")==-1)
{
last;
}
$step=0;
$stop=1;
$start=index($seq,"N",$step)+1;
$step=$start-1;
$skip=$step;
print "start=$start\tstep=$step\tskip=$skip\n";
while($stop)
{#while -2
$skip=index($seq,"N",$step+1);
print "in while:skip=$skip\tstep=$step\n";
if($skip==($step+1))
{#if skip (49)
print "in-while-if:skip=$skip\tstep=$step\n";
$len++;
$step++;
next;
}else{
print "in-while-else:skip=$skip\tstep=$step\n";
if($skip!=-1)
{#if skip != -1 (55)
print "else-if:skip=$skip\tstep=$step\n";
if($len!=1){
$end=$start+$len-1;
}
else{
$num_1bp++;
$end=$start;
}
$total_len+=$len;
$number++;
print OUT"if-$id\t$start\t$end\t$len\n";


$step=$skip;
$start=$skip+1;
$len=1;
}else{
print "else-else:skip=$skip\tstep=$step\n";
if($len!=1){
$end=$start+$len-1;
}
else{
$num_1bp++;
$end=$start;
}
$total_len+=$len;
$number++;
print OUT"else-$id\t$start\t$end\t$len\n";
$stop=0;
$len=1;


}#if-else- (56)
}#if-else- (49)
}#while -2
       }#if-1
}#while 
print OUTT "total_length\t $total_len\ngap_number\t$number\n1bp_gap_number\t$num_1bp\n";
$/="\n";
close IN;
close OUT;


三、用python编写的程序如下:

#-*- coding=utf-8 -*-
#输出gap的起始位置,终止位置,长度等位置信息
import os,sys
import re


class Fasta():
    def __init__(self,name,sequence):
        self.name=name
        self.sequence=sequence


def process_fasta(infile):
    reader=infile.readlines()
    index=0
    increace=[]
    for line in reader:
        line=line.strip()
        if line.startswith('>'):
            if index >=1:
                 increace.append(instance)
            id=line
            seq=''
            index += 1
        else:
            seq += line
            instance=Fasta(id,seq)
    increace.append(instance)
    return increace


def find_N(List):
    gap_num=0
    gap_len=0
    for t in List:
        str1=t.sequence
        start=0
        end=0
        length=1
        if(str1.find('N') != -1):
            indel = str1.find('N',start)
            start = indel
            step = start 
            skip = step
            flag=True
            N_array=re.split('[N+]{1,}',str1)
            while(flag):
                skip=str1.find('N',step+1)
                if(skip - 1 == step):
                    #前后两次查找的N的index相差1,说明N是连续的
                    step += 1
                    length +=1
                    continue 
                else:
                    #前后两次index相差不为1,说明N之间出现了其他碱基
                    if (skip != -1):
                        #说明后面还有N
                        end = bool(length !=1) and start+length -1 or start
                        step=skip
                        outfile1.write("ID=%s\t%d\t%d\t%d\n" %(t.name,start,end,length))
                        length=1
                        start=step
                    else:
                        #说明后面已经没有N了
                        end = bool(length !=1) and start+length -1 or start
                        outfile1.write("ID=%s\t%d\t%d\t%d\n" %(t.name,start,end,length))
                        length=1                           
                        flag=False
            gap_len += str1.count('N')
            gap_num += len(N_array) -1
    outfile2.write("Total_gap_num=%d,Total_gap_len=%d\n" %(gap_num,gap_len))
    
if __name__ == '__main__':
    infile=open(sys.argv[1],'r')
    outfile1=open(sys.argv[1]+'.pos','w')
    outfile2=open(sys.argv[1]+'.stat','w')


    List=process_fasta(infile)
    find_N(List) 


    infile.close()                           
    outfile1.close()
    outfile2.close()


四、总结:

      编程思路请见下面的逻辑图

     


这篇关于[python项目一]查找输出fasta序列的gap的起始终止等信息的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/808915

相关文章

Python中Json和其他类型相互转换的实现示例

《Python中Json和其他类型相互转换的实现示例》本文介绍了在Python中使用json模块实现json数据与dict、object之间的高效转换,包括loads(),load(),dumps()... 项目中经常会用到json格式转为object对象、dict字典格式等。在此做个记录,方便后续用到该方

从基础到高级详解Python数值格式化输出的完全指南

《从基础到高级详解Python数值格式化输出的完全指南》在数据分析、金融计算和科学报告领域,数值格式化是提升可读性和专业性的关键技术,本文将深入解析Python中数值格式化输出的相关方法,感兴趣的小伙... 目录引言:数值格式化的核心价值一、基础格式化方法1.1 三种核心格式化方式对比1.2 基础格式化示例

Python与MySQL实现数据库实时同步的详细步骤

《Python与MySQL实现数据库实时同步的详细步骤》在日常开发中,数据同步是一项常见的需求,本篇文章将使用Python和MySQL来实现数据库实时同步,我们将围绕数据变更捕获、数据处理和数据写入这... 目录前言摘要概述:数据同步方案1. 基本思路2. mysql Binlog 简介实现步骤与代码示例1

Python ORM神器之SQLAlchemy基本使用完全指南

《PythonORM神器之SQLAlchemy基本使用完全指南》SQLAlchemy是Python主流ORM框架,通过对象化方式简化数据库操作,支持多数据库,提供引擎、会话、模型等核心组件,实现事务... 目录一、什么是SQLAlchemy?二、安装SQLAlchemy三、核心概念1. Engine(引擎)

Ubuntu如何升级Python版本

《Ubuntu如何升级Python版本》Ubuntu22.04Docker中,安装Python3.11后,使用update-alternatives设置为默认版本,最后用python3-V验证... 目China编程录问题描述前提环境解决方法总结问题描述Ubuntu22.04系统自带python3.10,想升级

Python自动化处理PDF文档的操作完整指南

《Python自动化处理PDF文档的操作完整指南》在办公自动化中,PDF文档处理是一项常见需求,本文将介绍如何使用Python实现PDF文档的自动化处理,感兴趣的小伙伴可以跟随小编一起学习一下... 目录使用pymupdf读写PDF文件基本概念安装pymupdf提取文本内容提取图像添加水印使用pdfplum

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Python 基于http.server模块实现简单http服务的代码举例

《Python基于http.server模块实现简单http服务的代码举例》Pythonhttp.server模块通过继承BaseHTTPRequestHandler处理HTTP请求,使用Threa... 目录测试环境代码实现相关介绍模块简介类及相关函数简介参考链接测试环境win11专业版python

Python从Word文档中提取图片并生成PPT的操作代码

《Python从Word文档中提取图片并生成PPT的操作代码》在日常办公场景中,我们经常需要从Word文档中提取图片,并将这些图片整理到PowerPoint幻灯片中,手动完成这一任务既耗时又容易出错,... 目录引言背景与需求解决方案概述代码解析代码核心逻辑说明总结引言在日常办公场景中,我们经常需要从 W

基于Python实现自动化邮件发送系统的完整指南

《基于Python实现自动化邮件发送系统的完整指南》在现代软件开发和自动化流程中,邮件通知是一个常见且实用的功能,无论是用于发送报告、告警信息还是用户提醒,通过Python实现自动化的邮件发送功能都能... 目录一、前言:二、项目概述三、配置文件 `.env` 解析四、代码结构解析1. 导入模块2. 加载环