出自同哥的小练习，用于巩固基础知识：
- 写程序 splitName.py, 读入test2.fa, 并取原始序列名字第一个空格前的名字为处理后的序列名字，输出到屏幕
- 用到的知识点
- split
- 字符串的索引
输出格式为：
NM_001011874
gcggcggcgggcgagcgggcgctggagtaggagctg.......
Answer:
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test2.fa'):
if line.startswith('>'):
print(line.split(' ')[0])
else:
print(line.strip('\n'))
- 写程序 formatFasta.py, 读入test2.fa，把每条FASTA序列连成一行然后输出
- join
- strip
- 用到的知识点
- 输出格式为:
NM_001011874
gcggcggcgggc......TCCGCTG......GCGTTCACC......CGGGGTCCGGAG
Answer:
fasta = {}
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test2.fa'):
if line.startswith('>'):
key = line.split(' ')[0] #首行用空格做分隔符，取第一个元素作为基因名
fasta[key] = [] #建立以基因名为key的字典，准备存储序列
else:
fasta[key].append(line.strip()) #若首行第一个字符不为'>'，将该行去除分隔符后，作为’值‘添加入字典
for key, value in fasta.items():
print(key)
print(''.join(value))
- 写程序 formatFasta-2.py, 读入test2.fa，把每条FASTA序列分割成80个字母一行的序列
- 字符串切片操作
- range
- 用到的知识点
- 输出格式为
NM_001011874
gcggcggcgc.(60个字母).TCCGCTGACG #(每行80个字母)
acgtgctacg.(60个字母).GCGTTCACCC
ACGTACGATG(最后一行可不足80个字母)
Answer:
fasta = {}
length = 80
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test2.fa'):
if line.startswith('>'):
key = line.split(' ')[0] #首行用空格做分隔符，取第一个元素作为基因名
fasta[key] = [] #建立以基因名为key的字典，准备存储序列
else:
fasta[key].append(line.strip()) #若首行第一个字符不为'>'，将该行去除分隔符后，作为’值‘添加入字典
for key, value in fasta.items():
print(key)
fasta_2 = ''.join(value)
for i in range(0, len(fasta_2), length): #range: 1st: start; 2nd: end; 3rd: step length
print(fasta_2[i : i + length]) #slicing operation
- 写程序 sortFasta.py, 读入test2.fa, 并取原始序列名字第一个空格前的名字为处理后的序列名字，排序后输出
用到的知识点
- sort
- dict
- aDict[key] = []
- aDict[key].append(value)
fasta = {}
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test2.fa'):
if line.startswith('>'):
key = line.split(' ')[0] #首行用空格做分隔符，取第一个元素作为基因名
fasta[key] = [] #建立以基因名为key的字典，准备存储序列
else:
fasta[key].append(line.strip()) #若首行第一个字符不为'>'，将该行去除分隔符后，作为’值‘添加入字典
keyS = sorted(fasta.keys()) #sorted函数按key值对字典排序
for i in keyS:
print(i)
print(''.join(fasta[i]))
5.1 提取给定名字的序列
用到的知识点
- print >>fh, or fh.write()
- 取模运算，4 % 2 == 0
- 写程序 grepFasta.py, 提取fasta.name中名字对应的test2.fa的序列，并输出到屏幕。
Answer:
fasta = {}
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test2.fa'):
if line.startswith('>'):
key = line.split(' ')[0] #首行用空格做分隔符，取第一个元素作为基因名
fasta[key] = [] #建立以基因名为key的字典，准备存储序列
else:
fasta[key].append(line.strip())
#读取fasta.name文件，并将其存储在name变量中
name = []
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\fasta.name'):
line = '>' + line
name.append(line.strip())
#输出fasta[name]序列至屏幕
for i in name:
print(i)
print(''.join(fasta[i]))
5.2 写程序 grepFastq.py, 提取fastq.name中名字对应的test1.fq的序列，并输出到文件。
Answer:
fastq = {}
i = 1
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test1.fq'):
if i % 4 == 1: #每条reads信息的第一行为reads名称
seqID = line.strip('\n')[1:] #取@之后的部分作为reads名
fastq[seqID] = []
elif i % 4 == 2:
fastq[seqID] = line.strip('\n')
i += 1
#写入文件，出了一些问题，需要debug... FUCK!!!!!!!!!
with open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\fastq.required') as f:
for line in open(r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\fastq.name'):
name = line.strip()
f.write(str(name))
f.write(str(''.join(fastq[name])))
- 写程序 screenResult.py, 筛选test.expr中foldChange大于2的基因并且padj小于0.05的基，可以输出整行或只输出基因名字
- 逻辑与操作符 and
- 文件中读取的内容都为字符串，需要用int转换为整数，float转换为浮点数
Answer:
#Linux下 awk 方法，很简单：
awk '{if($10 > 2 && $13 < 0.05) print $1}' ./test.expr | less #仅显示基因名称
awk方法，仅显示基因名称
#R 语言实现：
> f <- read.delim("clipboard", header = T, stringsAsFactors = F)
> f[which(f$foldChange > 2 & f$padj < 0.05), 1]
[1] "Novel00011" "Novel00043" "Novel00047" "Novel00077" "Novel00079"
[6] "Novel00080" "Novel00084" "Novel00085" "Novel00086" "Novel00087"
[11] "Novel00090" "Novel00124" "Novel00148" "Novel00156" "Novel00162"
[16] "Novel00166"
#python实现：
file = r'E:\Bioinformatics\Python\practice\chentong\notebook-master\data\test.expr'
with open(file) as f:
all = f.readlines() #读取文件所有行
lines = all[1:] #去除第一行
for item in lines:
info = item.split('\t') #数据之间以换行符分割
if float(info[9].strip()) > 2.0 and float(info[12].strip()) < 0.05: #通过powershell以及debug看到，
print(info[0]) #每行后面的数字除了换行符还有空格，所以，这一步在转变数据类型之前进行空格的去除
python result