python:文件查询,统计fastq序列数、碱基数、GC%、MaxLength、MinLength

导读

做最基本的fastq序列统计。这里的输入数据是一个上游文件,一个下游文件。

一、新建文件

vi summary_fastq.py

二、写函数

  • 函数1:查询文件

思路:
1 for os.listdir 遍历文件
2 if in判断是否含关键字符串

  • 函数2:统计fastq序列数、碱基数、GC%

思路:
1 for in 逐行遍历fastq文件
2 行数%4==2是序列行
3 累加序列数、碱基数、GC数【format格式化GB单位】,记录序列长度,求GC%和MaxLength、MinLength
4 加到列表return

#!/usr/bin/env python3
import os, re, sys

def search(path, key):
    result = []
    for filename in os.listdir(path):
        file = os.path.join(path, filename)
        if os.path.isfile(file) and key in filename:
            result.append(file)
    return(result)

def reads(file):
    with open(file) as f:
        result = []
        lengths = []
        line_num = 0
        gc_num = 0
        base_num = 0
        read_num = 0
        for line in f:
            line_num += 1
            if line_num%4 ==2:
                read_num += 1
                gc_num += line.count("G") + line.count("g") + line.count("C") + line.count("c")
                base_num += len(line)
                lengths.append(len(line))
                
        print("\033[32m---------------read_num, base_num, gc_percent, max_length, min_length---------------\033[0m")
        gc_percent = format(gc_num/base_num*100, '0.2f')
        
        result.append(read_num)
        result.append(base_num)
        result.append(gc_percent)
        result.append(max(lengths))
        result.append(min(lengths))
        return(result)

三、主函数

思路:
1 合并raw clean数据r1 r2
2 reads函数处理
3 格式化输出
4 判断并删除中间文件

if __name__ == '__main__':
    print("\033[32m---------------merge rawdata---------------\033[0m")
    os.system("cat " + search("rawdata", "R")[0] + " " + search("rawdata", "R")[1] + " > merge_raw.fq")
    print("\033[32m---------------merge cleandata---------------\033[0m")
    os.system("cat " + search("Result/kneaddata", "trimmed.1")[0] + " " + search("Result/kneaddata", "trimmed.2")[0] + " > merge_clean.fq")
    
    with open("Result/kneaddata/fastq_summary.txt", 'w') as o:
        o.write("\tInsertSize(bp)\tSeqStrategy\tReads(#)\tBase(GB)\tGC(%)\tMaxLength\tMinLength\n")
        if os.path.isfile("./merge_raw.fq") and os.path.isfile("./merge_raw.fq"):
            f1 = "./merge_raw.fq"
            reads_info = reads(f1)
            read_num = reads_info[0]
            base_num = format(reads_info[1]/10**9, '0.2f')
            gc_percent = reads_info[2]
            max_length = reads_info[3]
            min_length = reads_info[4]
            #print(read_num, base_num, gc_percent, max_length, min_length)
            o.write("RawData\t350\t(150:150)\t{}\t{}\t{}\t{}\t{}\n".format(read_num, base_num, gc_percent, max_length, min_length))
            
            f2 = "./merge_clean.fq"
            reads_info = reads(f2)
            read_num = reads_info[0]
            base_num = format(reads_info[1]/10**9, '0.2f')
            gc_percent = reads_info[2]
            max_length = reads_info[3]
            min_length = reads_info[4]
            #print(read_num, base_num, gc_percent, max_length, min_length)
            o.write("CleanData\t350\t(150:150)\t{}\t{}\t{}\t{}\t{}".format(read_num, base_num, gc_percent, max_length, min_length))
        if os.path.isfile("Result/kneaddata/fastq_summary.txt"):
            os.remove("./merge_raw.fq")
            os.remove("./merge_clean.fq")
        else:
            print("\033[31m no fastq_summary.txt! please check!\033[0m")

四、结果

python3 summary_fastq.py
    InsertSize(bp)  SeqStrategy Reads(#)    Base(GB)    GC(%)   MaxLength   MinLength
RawData 350 (150:150)   16493814    2.49    32.90   151 151
CleanData   350 (150:150)   14872620    2.14    32.82   151 51
最后编辑于
©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 216,919评论 6 502
  • 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 92,567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 163,316评论 0 353
  • 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 58,294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 67,318评论 6 390
  • 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 51,245评论 1 299
  • 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 40,120评论 3 418
  • 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 38,964评论 0 275
  • 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 45,376评论 1 313
  • 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 37,592评论 2 333
  • 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 39,764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 35,460评论 5 344
  • 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 41,070评论 3 327
  • 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 31,697评论 0 22
  • 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 32,846评论 1 269
  • 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 47,819评论 2 370
  • 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 44,665评论 2 354