python实现fastq文件GC含量的计算

fastq格式是生物信息分析中最常见的格式之一
通常我们可以将测序的数据分为双端测序和单端测序双端测序的数据含有两个fastq格式的文件，单端测序的数据只有一个fastq格式的文件

第一行是用来区分不同reads的一个ID号，一般以@符号开头，这一行是用来区分不同的reads，而这一行本身包含了很多的信息。
Read Record Header
Flow Cell ID
Lane
Tile
Tile Coordinates
Barcode
第二行是测序的序列，也就是reads的序列
第三行一般是一个+号，或者与第一行的信息相同
第四行是碱基质量值，是对第二行序列的碱基的准确性的描述，一个碱基会对应一个碱基质量值，所以这一行和第二行长度是一样的，如果不一样就说明数据有问题。
fastq文件

@HWI-D00621:692:HW52WBCX2:1:1101:5079:2466 1:N:0:AAGTATCGTAAGACAC
ACTCCTACGGGAGGCAGCAGTAGGGAATTTTGGGCAATGGGCGAAAGCCTGACCCAGCAACGCCGCGTGTGTGATGAAGCCCCTAGGGGTGTAAAACACTGTCAGTAGGGAAGAACAAATGACTGTACCTACAGAGGAAGCACCGGCTAACTCCGTGCCAGCAGCCGCGGTAATACGGAGGGTGCAAGCGTTATCCGGAATCATTGGGCGTAAAGAGTTCGTAGGCGGTATATCAAGTCTGGTGTTAAAT
+
DDDDDIIIIIIIIIIIIIIIIIIIIHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHIIIIIIIIIIHIIIIIIIIIIIIIIIIIHHHHIIIIIIIIIHIIGHHIIHIIIIIIGIEHIIHIIIIIIIIGHHHIIIIHFHIIGIIIFHIIEHEHHFHIIHIIIIIIEEHHHFHIIIHHIHIIIIIIIHH=GHIII=E?FHHGHIIIHDH=BFHIHICHHHHHIIIHHH?FHGHIFHEGFGHHIIH@H

GC含量的意义：
GC含量是在所研究的对象(例如放线菌)的全基因组中，(鸟嘌呤)(Guanine)和胞嘧啶(Cytosine)所占的比例。一种生物的基因組或特定DNA、RNA片段有特定的GC含量。

计算下面的fq文件的gc含量：

fastq文件： Bacterial_F1_1.fq

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:wangmeng
# email：15670536819@163.com
gccontent=open("/home/***/Data/ele_data_2019_2_28/Bacterial_F1_1.fq","r")
#set the the values to 0
a=0
g=0
c=0
t=0
linenumber=0
gccontent.readline()
for line in gccontent:line=line.lower()linenuber+=1if linenumber%4==1:print lineprint linenumberfor gc in line.lower():if gc=="a":a+=1if gc=="c":c+=1if gc=="g":g+=1if gc=="t":t+=1
print "number of a's " + str(a)
print "number of c's " + str(c)
print "number of g's " + str(g)
print "number of t's " + str(t)

gc=(g+c+0.)/(a+t+g+c+0.)
print "gc content:"+str(gc)

结果：
因为只取第二行的序列信息，所以每四行取一行计算，下面是取到的序列。
看到gc含量为53.8%，符合实际情况。

搜索公共号：ShengXinZaTan

python实现fastq文件GC含量的计算相关推荐

python学习——把计算GC含量的代码封装成函数
把代码封装成函数的好处是可以重复使用该段代码,并且会使代码结构清晰例如要计算chr1以及chr2染色体的GC含量,代码如下: 1 # 将代码封装为函数并重复使用,例如计算染色体的GC含量 2 chr ...
下载FATSQ，读取10条序列并计算每条序列的长度和GC含量
FASTQ 这是目前存储测序数据最普遍.最公认的一个数据格式,另一个是uBam格式,但这篇文章中不打算对其进行介绍.上面所讲的FASTA文件,它所存的都是已经排列好的序列(如参考序列),FASTQ存的 ...
python 实现大文件md5值计算
参考:python 实现大文件md5值计算_ddw6022的博客-CSDN博客 python比较两个文本文件是否相同 - douzujun - 博客园用python 正确计算大文件md5 值 - P ...
使用Python获取Excel文件中单元格公式的计算结果
假设有如下Excel文件,其中第二个WorkSheet中数据如下: 其中D列为公式,现在要求输出该列公式计算的数值结果,代码如下: 代码运行结果: ----------相关阅读---------- 1 ...
生信脚本练习（5）求fastq文件的cg含量
这道题要求求出一个fastq文件中序列的cg含量 with open("Test1.fastq","r") as f:lines = f.readlines() ...
python处理csv文件将字符串格式XXXX年XX月XX日转化为datetime64XXXX-XX-XX格式，可以进行索引设置和日期计算
python处理csv文件将字符串格式XXXX年XX月XX日转化为datetime64XXXX-XX-XX格式,可以进行索引设置和日期计算 python读取csv文件中,某列卫XXXX年XX月XX日, ...
python向服务器上传fq文件,用python-fas读取大型fastq文件
我有几个fastq文件,平均有500.000.000行(125000.000个序列).有没有一种快速读取这些fastq文件的方法. 我想做的是,读取每个序列并使用前16个序列作为条形码.然后统计每个文 ...
fastp: 极速全能的FASTQ文件自动质控+过滤+校正+预处理软件
软件作者介绍陈实富博士,海普洛斯联合创始人 / CTO 海普洛斯是全球领先的精准医疗和基因大数据国家高新技术企业,拥有 Illumina NovaSeq. HiSeq X10.NextSeq等全系列 ...
python处理fasta文件_Python脚本：fasta文件单序列信息提取
使用Python对fasta格式的序列进行基本信息统计预期设计输出文件中包括fasta文件名,序列长度,GC含量以及ATCG各自的含量. Python脚本编辑使用的文件 test.fasta st ...
linux怎么查看fastq格式文件,2020-01-11 了解FASTQ格式并处理FASTQ文件
FASTQ文件格式是测序仪展示数据的标准格式,可以看成FASTA文件的变种(FASTA+Q),因为其包含了对序列中每个碱基的Qualify Measurement.(如:碱基A出错的可能性是1/100 ...

python实现fastq文件GC含量的计算

python实现fastq文件GC含量的计算

计算下面的fq文件的gc含量：

python实现fastq文件GC含量的计算相关推荐

最新文章

热门文章