python通讯录文件读取_python通用读取vcf文件的类（可以直接复制粘贴使用）

前言

处理vcf文件的时候，需要多种切割，正则匹配，如果要自己写其实会比较麻烦，并且每次还得根据vcf文件格式或者需要读取的值不同要修改相应的代码。因此很多人会选择一些python的vcf的库，但是首先你得安装这个库，并且有一些库它固定了能够读的内容，如果你的vcf的信息不在它固定的里面，就读不出来。比如最近我想读一个样本的AF，但是它放在最后样本的GT那列，不在INFO那一列，有一些库竟然无能为力。

因此我写了这个通用的读vcf的类，直接复制粘贴这部分代码就可以方便的用这个类进行vcf文件的读取，过滤，写出等操作。

使用说明

首先复制类的代码，后面就可以直接用了

import sys

import os

import subprocess

class Record(object):

'''

One line information in vcf file

'''

def __init__(self, line):

info = line.split("\t")

self.line = line

self.CHROM = info[0]

self.POS = info[1]

self.ID = info[2]

self.REF = info[3]

self.ALT = info[4]

self.QUAL = info[5]

self.FILTER = info[6]

self.INFO = [{pair_lst[0]: pair_lst[1] if len(pair_lst)> 1 else ""} for pair_lst in [pair.split("=") for pair in info[7].split(";")]]

self.FORMAT = info[8].split(":")

self.sample_num = len(info) -7

self.GT = []

for i in range(2):

GT_value = info[8 + i +1].split(":")

GT_dict = {}

for g in range(len(GT_value)):

GT_dict[self.FORMAT[g]] = GT_value[g]

self.GT.append(GT_dict)

class VCF(object):

'''

VCF class, read VCF, write VCF, get VCF information

'''

def __init__(self, uncompress_vcf):

self.header = []

self.reader = open(uncompress_vcf, 'r')

self.line = self.reader.readline().strip()

while self.line.startswith('#'):

self.header.append(self.line)

self.line = self.reader.readline().strip()

self.record = Record(self.line)

def __iter__(self):

return self

def __next__(self):

self.line = self.reader.readline().strip()

if self.line != "":

self.record = Record(self.line)

return self.record

else:

self.reader.close()

raise StopIteration()

def reader_close(self):

self.reader.close()

主要有两个类，一个是VCF类,存储的是vcf的信息，及对vcf文件的操作，一个是Record类，它包括vcf某一行存储的全部信息

读入vcf文件

gatk_result = "realignment.vcf"

gatk = VCF(gatk_result)

查看vcf的header

gatk.header

查看vcf当前行中储存的信息，一开始是首行。它以Record这个类保存的。注意VCF类是个迭代器类，可以用next和for循环来读入每一行的信息

record = gatk.record #这里record存储的是该Record类的地址

查看该record的属性，包括line(行的内容，方便写出某行), CHROM, POS, ID，REF,ALT, QUAL, FILTER, INFO(字典的形式存储), FORMAT, sample_num(多少个样本),GT（样本的基因型信息，这里在vcf一般是在后面用样本名表示的列）

record.CHROM

record.line

record.ID #其他的属性同理

INFO的读取

这是vcf中INFO的原始表示

CONTQ=28;DP=38;ECNT=1;GERMQ=76;MBQ=20,37;MFRL=171,229;MMQ=60,60;MPOS=26;NALOD=1.16;NLOD=3.91;

POPAF=6.00;RCNTS=0,0;ROQ=14;SEQQ=1;STRANDQ=11;TLOD=4.56

它在record中的存储形式

record.INFO

[{'CONTQ': '28'}, {'DP': '38'}, {'ECNT': '1'}, {'GERMQ': '76'}, {'MBQ': '20,37'}, {'MFRL': '171,229'}, {'MMQ': '60,60'}, {'MPOS': '26'}, {'NALOD': '1.16'}, {'NLOD': '3.91'}, {'POPAF': '6.00'}, {'RCNTS': '0,0'}, {'ROQ': '14'}, {'SEQQ': '1'}, {'STRANDQ': '11'}, {'TLOD': '4.56'}]

GT的读取

这是GT在vcf的存储形式，FORMAT对应着GT的值

GT:AD:AF:DP:F1R2:F2R1:OBAM:OBAMRC:OBF:OBP:OBQ:OBQRC:SB 0/1:21,2:0.120:23:7,1:13,1:false:true:0.500:0.078:100.00:41.80:12,9,1,1 0/0:13,0:0.065:13:7,0:6,0:false:false:.:.:.:.:10,3,0,0

分别是FORMAT， tumor样本GT, normal样本GT对应的值

这是在record中的存储形式

record.GT

[{'GT': '0/1', 'OBQRC': '41.80', 'SB': '12,9,1,1', 'DP': '23', 'OBF': '0.500', 'OBAM': 'false', 'OBP': '0.078', 'AD': '21,2', 'F2R1': '13,1', 'F1R2': '7,1', 'AF': '0.120', 'OBQ': '100.00', 'OBAMRC': 'true'}, {'GT': '0/0', 'OBQRC': '.', 'SB': '10,3,0,0', 'DP': '13', 'OBF': '.', 'OBAM': 'false', 'OBP': '.', 'AD': '13,0', 'F2R1': '6,0', 'F1R2': '7,0', 'AF': '0.065', 'OBQ': '.', 'OBAMRC': 'false'}]

第一个字典就是tumor的GT，第二个字典就是normal的GT，当然，根据你的样本数量会有多个字典，这里可以按索引取出比如要取出第一个样本的，只需要record.GT[0]就行

把tumor AF大于0.5的line打印出来

for record in gatk:

# compare GATK tumor AF to 0.05

if float(record.GT[0]['AF']) > 0.05:

print(record.line)

把FILTER为PASS的并且tumor AF>0.05写入列表并写出最后的VCF文件

snv = "filter.vcf"

result = gatk.header

for record in gatk:

if record.FILTER == "PASS" and float(record.GT[0]['AF']) > 0.05:

result.append(record.line)

# write out result

with open(snv, 'w+') as snvf:

for line in result:

print(line, file = snvf)

查看gatk的下一个record，因为VCF类是可迭代的，因此除了for也支持next

record = next(gatk)

print(record.line)

python通讯录文件读取_python通用读取vcf文件的类（可以直接复制粘贴使用）相关推荐

python open读取_Python：open的文件读取操作，utf-8，UnicodeDecodeError
简要目录: open函数将文件设置为utf-8编码格式 UnicodeDecodeError f.read() 和 f.read(size) f.readline() 和 f.readlines() ...
python播放本地视频_python opencv 读取本地视频文件修改ffmpeg的方法
Python + opencv 读取视频的三种情况: 情况一:通过摄像头采集视频情况二:通过本地视频文件获取视频情况三:通过摄像头录制视频,再读取录制的视频摄像头采集.本地视频文件的读取.写视频 ...
python处理pdf实例_Python实现读取PDF文件案例
最近有一个本地客户需求是读取PDF文件,然后做自动化处理.这其实是一种典型的RPA自动化需求,简单而言就是模拟人工来操作文件,网页,客户端系统等,只要操作规则定义清楚,就可以实施这种RPA应用,而如果 ...
python pandas读取文件内容_python pandas读取大型文件
数据处理:pandas处理大型csv文件,使用pandas分块处理大文件 1. 读取限定列一个 csv文件中,有很多列,而我们只关心其中的某些列是,如果把每行数据都读取出来,在提取信息,显然会增加I ...
python怎么读数据_Python如何读取数据
一.从文本中读取数据 Python可以读取任何格式的文本数据,使用Python读取文本数据一般分为三个步骤.分别是:定义数据文件.获取文件对象.读取文件内容.下面让小编来分别解释它们是如何实现的. 定 ...
python读取excel一行一行的读取_python逐行读取excel
python读取excel文件,将每一行都保存为一个列表.比如:文件是a,b,d f,e,g u,w,o 想要变成list1=[a,b,c] list2=[f,e,g] lpython读写excel文 ...
python导入图片数据_Python中读取图片的6种方式
Python进行图片处理,第一步就是读取图片,这里给大家整理了6种图片的读取方式,并将读取的图片装换成numpy.ndarray()格式.首先需要准备一张照片,假如你有女朋友的话,可以用女朋友的,没有 ...
python创建空文本文件_Python干货：「文件处理整合」创建、打开、写入和删除...
什么是Python文件处理? Python文件处理就是如何在python中创建.打开.读取.写入和删除文件的示例.从文件(EXCELSheet.doc文件.文本文件.cv等)或Add中读取数据.是一个 ...
python 写txt 换行_python中写入txt文件需要换行,以及\r 和\n
在Python中,用open()函数打开一个txt文件,写入一行数据之后需要一个换行如果直接用 f.write('\n') 只会在后面打印一个字符串'\n',而不是换行' 需要用 f.write(' ...
python创建文件对象_python基础教程：文件读写
在Linux系统中,一切都是文件.但我们通常说的文件是保存在磁盘上的图片.文档.数据.程序等等.而在程序的IO操作中,很多时候就是从磁盘读写文件.本节我们讲解Python中的文件对象如何操作文件. 创 ...

python通讯录文件读取_python通用读取vcf文件的类（可以直接复制粘贴使用）

python通讯录文件读取_python通用读取vcf文件的类（可以直接复制粘贴使用）相关推荐

最新文章

热门文章