染色体拆分VCF文件合并

本篇帖子的分享内容主要也是和前面大基因组拆分相呼应的,利用前面拆分的基因组文件,对变异检测结果文件中拆分的染色体部分进行合并,并输出最终结果。

work_path=工作目录

#前期拆分基因组时生成的文件,也可手动做成
path/to/contrast.id
## 格式如下:
#拆分后染色体号    旧染色体号   要更改为的新染色体号 原有坐标-现有坐标    拆分后对应染色体长度
Chr01_S1       Chr01  new_01  0       551383505
Chr01_S2       Chr01  new_01  91897250        551383505
Chr01_S3       Chr01  new_01  183794500       551383505
Chr01_S4       Chr01  new_01  275691750       551383505
Chr01_S5       Chr01  new_01  367589000       551383505

#要更改的vcf,压缩非压缩均可
input.vcf(.gz)

#输出vcf文件,gz格式的
out.vcf.gz

python add_vcf.py -p ${work_path} \
                -c path/to/contrast.id \
                -v input.vcf(.gz) -o out.cvf.gz

脚本内容如下:

import argparse
import gzip
import re

parser = argparse.ArgumentParser()

parser.add_argument('-p', "--path",dest = "p", default=".", #metavar=", defining metavar is causing an error for some reason
                    help = "work path"
                    )
parser.add_argument('-c', "--contrast_id",dest = "c", default="contrast.id", #metavar=", defining metavar is causing an error for some reason
                    help = "contrast.id"
                    )
parser.add_argument('-v', "--vcf",dest = "v", default="input.vcf.gz", #metavar=", defining metavar is causing an error for some reason
                    help = "old vcf"
                    )
parser.add_argument('-o', "--out_file",dest = "o", default = "input_add.vcf.gz", #metavar=", defining metavar is causing an error for some reason
                    help = "outfile"
                    )

args = parser.parse_args()

contarst = args.p + "/" + args.c
work_dir = args.p
outfile = args.p + "/" + args.o
vcffile = args.p + "/" + args.v

name_dic = {}
with open(contarst,'r')as f1:
    for l in f1:
        name_dic[l.strip().split("\t")[0]] = l.strip().split("\t")[1:]

change_id = []
with gzip.open(outfile , 'wb')as outvcf:
    if 'gz' in vcffile:
        with gzip.open(vcffile , 'rb')as vcf:
            for l in vcf:
                line = l.decode()
                if line[0] == '#':
                    if line[:10] == "##contig=<":
                        Id = re.search("ID=.*,{1}",line).group()[3:-1].split(",")[0]
                        length = re.search("length=.*,{1}",line).group()[7:-1]
                        if name_dic[Id][1] != Id and name_dic[Id][1] not in change_id:
                            outline = "##contig=<ID=" + name_dic[Id][1] +",length=" + name_dic[Id][-1] + ",assembly=unknown>\n"
                            outvcf.write(outline.encode())
                            change_id.append(name_dic[Id][1])
                        elif name_dic[Id][1] == Id and name_dic[Id][1] not in change_id:
                            outvcf.write(l)
                    else:
                        outvcf.write(l)
                else:
                    lst = line.strip().split("\t")
                    Id = lst[0]
                    new_pos = str(int(lst[1]) + int(name_dic[Id][-2]))
                    outline = name_dic[Id][1] + "\t" + new_pos + "\t" + "\t".join(lst[2:]) + "\n"
                    outvcf.write(outline.encode())
    else:
        with open(vcffile , 'r')as vcf:
            for line in vcf:
                if line[0] == '#':
                    if line[:10] == "##contig=<":
                        Id = re.search("ID=.*,{1}",line).group()[3:-1].split(",")[0]
                        length = re.search("length=.*,{1}",line).group()[7:-1]
                        if name_dic[Id][1] != Id and name_dic[Id][1] not in change_id:
                            outline = "##contig=<ID=" + name_dic[Id][1] +",length=" + name_dic[Id][-1] + ",assembly=unknown>\n"
                            outvcf.write(outline.encode())
                            change_id.append(name_dic[Id][1])
                        elif name_dic[Id][1] == Id and name_dic[Id][1] not in change_id:
                            outvcf.write(line.encode())
                    else:
                        outvcf.write(line.encode())
                else:
                    lst = line.strip().split("\t")
                    Id = lst[0]
                    new_pos = str(int(lst[1]) + int(name_dic[Id][-2]))
                    outline = name_dic[Id][1] + "\t" + new_pos + "\t" + "\t".join(lst[2:]) + "\n"
                    outvcf.write(outline.encode())

往期内容

大基因组染色体拆分

整理不易,给个赞再走呗~~

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 222,252评论 6 516
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,886评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 168,814评论 0 361
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,869评论 1 299
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,888评论 6 398
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,475评论 1 312
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,010评论 3 422
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,924评论 0 277
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,469评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,552评论 3 342
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,680评论 1 353
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,362评论 5 351
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,037评论 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,519评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,621评论 1 274
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 49,099评论 3 378
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,691评论 2 361

推荐阅读更多精彩内容