68.《Bioinformatics Data Skills》之使用pysam进行SAM/BAM文件处理(1)

Pysam作为一个python模块可以读取与处理SAM/BAM文件,并提供了方便的对象与丰富的操作接口,让我们了解一下。

首先,可以通过以下方式安装(官方文档):

$ pip install pysam

阅读官方文档并快速定位需要的内容是编写代码必备的技能,这里简单地介绍一下如何使用该模块进行文件的读取与read的遍历。

依然以NA12891_CEU_sample.bam文件为例,使用pysam包进行BAM文件的读取:

>>> import pysam
>>> fname = "NA12891_CEU_sample.bam"
>>> bamfile = pysam.AlignmentFile(filename = fname, mode = "rb")

这里的模式设定为"rb"代表读取二进制文件,如果为SAM文件设定为“r”即可,无论SAM还是BAM文件都会返回AlignmentFile对象并支持同样的操作。pysam的方法提供了高度的抽象,有很多我们不必关注的细节,例如它会自动读取当前文件相关的bai索引文件文件,所以使用别人开发好的库可以节约大量的时间并减少错误。

pysam.AlignmentFile.fetch方法可以提取特定区域,例如

>>> for read in bamfile.fetch("1", 215906528, 215906567):
...     print read.qname, " is aligned at ", read.pos
...
SRR005672.5788073  is aligned at  215906479
SRR005666.5830972  is aligned at  215906486
ERR002294.5383813  is aligned at  215906495
ERR002375.3090308  is aligned at  215906496
SRR001194.8524147  is aligned at  215906496
SRR005671.2372792  is aligned at  215906497
SRR005674.4540404  is aligned at  215906497

若没有设定区域,会对所有的read进行迭代,每次都会返回一个AlignmentSegment对象,该对象包含了每个BAM条目的所有信息。可以统计一些更具体的信息,例如观察每个read是否能比对到参考基因组:

>>> for read in bamfile:
>>>     status = "unaligned" if read.is_unmapped else "aligned"
>>>     print read.qname, " is ", status
...
SRR003218.11132930  is  aligned
ERR002067.6193238  is  aligned
ERR002291.4893931  is  aligned
ERR002291.4893931  is  unaligned
SRR002145.9802018  is  aligned
ERR001777.1596233  is  aligned
ERR001777.1596233  is  unaligned
SRR001159.2699414  is  aligned
...

这里有一个细节需要关注,那就是使用迭代(例如这里的for循环)读取文件内容时程序会记住停止的位置,下次再迭代这个对象会从上次结束的地方开始。其实这是python的常见规则,但是对于不熟悉python的人可能会被困扰。通过一个例子来说明:

下面的代码统计了所有read中匹配的数目:

>>> nmap = 0
>>> for read in bamfile:
...     nmap += not read.is_unmapped
...
>>> print nmap

使用next函数继续迭代时会报错:

>>> bamfile.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "pysam/libcalignmentfile.pyx", line 1854, in pysam.libcalignmentfile.AlignmentFile.__next__
StopIteration

这是由于前面的迭代已经到达文件末尾,需要使用reset函数进行重置:

>>> bamfile.reset()
0

这样,我们再使用next函数得到的就是第一个read了:

>>> read = bamfile.next()
>>> read.qname
'SRR005672.8895'

最后,当我们使用完该对象的时候可以使用close函数进行关闭:

>>> read = bamfile.close()
©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 216,744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 92,505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 163,105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 58,242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 67,269评论 6 389
  • 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 51,215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 40,096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 38,939评论 0 274
  • 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 45,354评论 1 311
  • 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 37,573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 39,745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 35,448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 41,048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 31,683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 32,838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 47,776评论 2 369
  • 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 44,652评论 2 354

推荐阅读更多精彩内容