问题描述
我正在使用 Python 并使用 pysam 和 PyVCF 库进行数据处理。 嗨,假设我有一个 bam 文件和一个包含变异调用结果的 vcf 文件。我想提取其中包含变体的读数和配对。假设配偶中的读取和变体存在变异,我想提取此类读取并丢弃所有没有变异位置的读取或它们的配偶没有变体(即使读取具有变体但配偶没有变体)。 之后,我想计算根据结果生成的其他 read_mate 模式的数量。
完整问题:
我们必须使用 VCF 文件来搜索 bam 文件,如果位置
vcf 文件与 bam 文件中的读取匹配,然后如果存在相同的 alt,则检查是否在相同的位置
与 vcf 一样,如果两者相同,则考虑它并保存并继续。
在处理基因的所有数据之后,(一个基因一个基因),我们将保存所有这些读数和具有
vcf 在里面的位置。 Read 和具有 vcf 位置的配偶将被一个基因一个基因地保存在一个变量中,信息
应保存如下:
最初是一个输出文件
基因名称、重叠群名称:
下一步:
合并基本模式和噪声:
让我们说例如我们有以下模式
pos alt pos alt pos alt post alt pos alt pos alt pos alt
(读取,配对模式):55 G 58 C 63 G 75 T 87 A 87 T 95 A
(读取,配对模式):C 63 G 75 T 87 A 87 T 95 A
(阅读,配对模式):55 G 58 C 63 G 75
(阅读,配对模式):55 G 58 C 63 G 75 T 87 A 87 T 95 A
现在所有这些模式都应该合并成一个更大的模式: pos alt pos alt pos alt post alt pos alt pos alt pos alt (过滤图案):55 G 58 C 63 G 75 T 87 A 87 T 95 A
底线: 我只想获得这些读取和具有 vcf 位置的伴侣,并为每个读取及其具有 vcf 位置的伴侣制作一个模式。并丢弃所有其他没有 vcf 位置的人。
我在映射时遇到了一些问题,不知道如何使用雪茄串来映射我的数据并在与 vcf 位置匹配后与它比较 DNA 序列以检查它是否有碱基。任何帮助将不胜感激。
我尝试了以下代码:
import pysam
import vcf
#Main logics:
j=0
for ind,key in gencode_genes.iterrows():
# print(key[0])
i=0
#below is signature of bamnostic.fetch() function
# def fetch(self,contig=None,start=None,stop=None,region=None,tid=None,until_eof=False,multiple_iterators=False,reference=None,end=None):
# for read in samfile.fetch(key[0],None,True):
for read in samfile.fetch(key['seqname'],key['start'],key['end'],True):
# if read's position and mate's position is same than it skips
# if(read.pos == read.next_reference_start):
# continue
b=vcf_df.query('POS>={} and POS<={}'.format(read.reference_start,read.reference_end))
a=b.sort_values(by = 'POS')
# if any position in vcf file found which matches with read names start and end position. then it proceeeds
if(not a.empty):
if read.read_name not in result.keys():
result[read.read_name]=[]
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)