统计fasta文件中每一条contig的长度、CG含量、重复序列含量

统计文件test.genome.fa,中每一条contig序列的长度、GC含量(GC占所有非N序列的比例)、重复序列含量(小写字母占所有非N序列的比例)

对scaffold和contig的说明:

123456.png

以上这条序列即为scaffold序列。其包括两条以N为分割的contig序列。

python代码如下:

seq={}
contig_dic={}
#读入fasta文件
with open(r"test.genome_fa.txt") as f:
    for line in f:
        if line.startswith('>'):
            name=line.replace('>','').split()[0]
            seq[name]=''
        else:
            seq[name]+=line.replace('\n','').strip()
seq_list=list(seq.keys())
total_contig_list=[]
for i in seq_list:
    scaffold=seq[i]
    contig_list=[]
    out_Str = ''
    for i in range(0,len(scaffold)):
        if scaffold[i] !='N':
            out_Str+=scaffold[i]
        else:
            if scaffold[i+1]!='N':
                contig_list.append(out_Str)
                out_Str=''
    total_contig_list.append(contig_list)
#对同一scaffold中的contig进行命名,并将contig存放到contig_dic内
for i in range(0,len(seq_list)):
    contig_list=total_contig_list[i]
    num=1
    contig_num=len(contig_list)
    if(num<=contig_num):
        contig_dic[seq_list[i]+'_contig1']=contig_list[0]
        num=2
        if(num<=contig_num):
            contig_dic[seq_list[i]+'_contig2']=contig_list[1]
            num=3
            if (num <= contig_num):
                contig_dic[seq_list[i] + '_contig3'] = contig_list[2]
contig_list=list(contig_dic.keys())
contig_len={}
contig_CG={}
contig_repe={}
for i in contig_list:
    contig=contig_dic[i]
    contig_len[i]=len(contig)
    basic_len=len(contig)
    basic_CG_len=0
    basic_repe_len=0
    for basic in contig:
        if basic == 'C' or basic == 'G':
            basic_CG_len=basic_CG_len+1
        if basic.islower()==1:
            basic_repe_len=basic_repe_len+1
    contig_CG[i]=basic_CG_len/basic_len
    contig_repe[i]=basic_repe_len/basic_len
#根据contig长度进行排序
list_sort=sorted(contig_len.items(),key = lambda k : k[1])
index=[]
for i in list_sort:
    index.append(i[0])
index.reverse()
#输出每一条contig的长度、CG含量、重复序列含量
with open(r'contig.statisitics.txt','w') as f:
    print("contig id\tcontig length\tCG\trepetition",file=f)
    for i in index:
        print("%s\t%d\t%f\t%f" % (i,contig_len[i],contig_CG[i],contig_repe[i]),file=f)
©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 216,163评论 6 498
  • 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 92,301评论 3 392
  • 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 162,089评论 0 352
  • 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 58,093评论 1 292
  • 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 67,110评论 6 388
  • 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 51,079评论 1 295
  • 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 40,005评论 3 417
  • 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 38,840评论 0 273
  • 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 45,278评论 1 310
  • 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 37,497评论 2 332
  • 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 39,667评论 1 348
  • 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 35,394评论 5 343
  • 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 40,980评论 3 325
  • 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 31,628评论 0 21
  • 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 32,796评论 1 268
  • 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 47,649评论 2 368
  • 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 44,548评论 2 352

推荐阅读更多精彩内容