python解析gff文件中的转录本

1.下载基因组注释文件，选择对应的版本： ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/BUILD.37.3/GFF/

2.GTF 为General Transfer Format ，熟悉格式 http://www.huoyunjn.com/wuliuxinwen/2/33709819.htm。

第三列feature - 后面start和end之间区域代表的特征，如果此区域是基因，则此处为gene，如果是外显子，则为exon，如果是转录本，则为transcript，如果是非编码RNA则为lncRNA，如果是重复序列，则为TE，等等，主要表明这一块区域的特征。

3.每一个transcript对应的exon，所有长度加起来就是这个转录本的长度。与这个transcript后面的两列相减是有差别的。

4.用python 字典来统计每个转录本的长度。

import pandas as pd
import pdb
df = pd.read_table(r'C:\Users\guosheng\Desktop\out.gff',sep = '\t',header= None)
out=open('./out.txt','a')
df =df[df.iloc[:,2].str.contains('exon')]  #提取第三列为exon的行
df['diff'] =df.iloc[:,4]-df.iloc[:,3]+1 #每个外显子的长度
name =  list(df.iloc[:,2])  #把data.frame中的一列转换为list
des =list(df.iloc[:,8])
length = list(df['diff'])
dic ={}
for index,value in enumerate(name):key=des[index].split(';')[-1].split('=')[-1] #获取每个转录本的名字old=0new=length[index]if dic.has_key(key):       #判断这个key是否在原有的字典中old=dic[key]del(dic[key])dic[key]=int(old)+int(new)
#print dic
for tran in dic:out.write(tran+'\t'+str(dic[tran])+'\n')
out.flush()
out.close()

5.后续找出每个基因的所有转录本，用heapq库找出最长的一个。库用法https://blog.csdn.net/Cassiel60/article/details/88344137

同样是解析这个文件，可以看出文件中的id是根据第三列进行编号的，没有实际意义，只是可以看出共有多少个gene、exon、cds等。不过在第三列为gene时，Name=和Dbxref=GeneID: 与第四列为exon时，Dbxref=GeneID:和transcript_id=进行基因与转录本的正确匹配。可以在上面代码中的字典加入Dbxref=，字典中一键对应多个值。

6.得到的两个文件进行merge，就可以得到基因，转录本，长度的文件了。

python解析gff文件中的转录本相关推荐

【Android 逆向】使用 Python 解析 ELF 文件 ( Capstone 反汇编 ELF 文件中的机器码数据 | 完整代码示例 ) ★★★
文章目录一.完整代码示例二.执行结果三.博客资源一.完整代码示例使用 Python 解析 ELF 文件完整代码示例 : # coding=utf-8 # 解析 elf 文件需要导入的依赖库 ...
Python编程--使用PyPDF解析PDF文件中的元数据
Python编程–使用PyPDF解析PDF文件中的元数据元数据作为一种文件里非常明显可见的对象,元数据可以存在于文档.电子表格.图片.音频和视频文件中.创建这些文件的应用程序可能会把文档的作者.创 ...
[系统安全] 四十一.APT系列(6)Python解析PE文件并获取时间戳判断来源区域
您可能之前看到过我写的类似文章,为什么还要重复撰写呢?只是想更好地帮助初学者了解病毒逆向分析和系统安全,更加成体系且不破坏之前的系列.因此,我重新开设了这个专栏,准备系统整理和深入学习系统安全.逆向分 ...
python在json文件中查找指定数据_Python中json的取值如何使用python提取json中指定字段的数据...
python中为什么用json有什么作用如何用python读取json里面的值啊我爱你,所以我给了你伤害我的权力,只要我能忍受,我会一直陪伴着你,但你不能伤害我太多. 数据如下,我想要读取name. ...
利用Python提取PDF文件中的文本信息
如何利用Python提取PDF文件中的文本信息日常工作中我们经常会用到pdf格式的文件,大多数情况下是浏览或者编辑pdf信息,但有时候需要提取pdf中的文本,如果是单个文件的话还可以通过复制粘贴来直 ...
python解析xml文件最好选用的模块_用Python解析XML文件
本文翻译自:https://developer.yahoo.com/python/python-xml.html 使用Python解析XML文件许多YDN APIs提供了JSON格式的数据输出,JS ...
python打开excel的函数-Python读取excel文件中带公式的值的实现
在进行excel文件读取的时候,我自己设置了部分直接从公式获取单元格的值但是用之前的读取方法进行读取的时候,返回值为空 import os import xlrd from xlutils.copy ...
gnuradio上怎么使用python文件_使用Python从PDF文件中提取数据
前言数据是数据科学中任何分析的关键,大多数分析中最常用的数据集类型是存储在逗号分隔值(csv)表中的干净数据.然而,由于可移植文档格式(pdf)文件是最常用的文件格式之一,因此每个数据科学家都应该了 ...
python打开excel数据库_使用python导入excel文件中的mssql数据库数据
我试图用python导入excel文件中的mssql数据库数据.我的数据在excel表格中的顺序不正确.e. g它显示第1列数据,然后是第3列,第2列,然后是第4列,依此类推. 我使用以下脚本:imp ...

python解析gff文件中的转录本

python解析gff文件中的转录本相关推荐

最新文章

热门文章