1

有没有办法可以使用 Python 从以下 BLAT 结果中获取不匹配的位置编号？

00000001 taaaagatgaagtttctatcatccaaaaaatgggctacagaaacc 00000045
<<<<<<<< |||||||||||||||||||||||||||  |||||||||||||||| <<<<<<<<
41629392 taaaagatgaagtttctatcatccaaagtatgggctacagaaacc 41629348

正如我们所看到的，上面的输出中有两个不匹配的地方。我们可以使用 Python 获取不匹配/突变的位置编号吗？这也是它在源代码中的显示方式。所以我对如何进行有点困惑。谢谢你。

4

1 回答 1

0

您可以使用.find字符串的方法找到不匹配的地方。不匹配用空格 (' ') 表示，因此我们在 blat 输出的中间行查找。我个人不知道 blat，所以我不确定输出是否总是以三联线形式出现，但假设确实如此，以下函数将返回一个位置不匹配的列表，每个位置表示为不匹配位置的元组顶部序列，底部序列相同。

blat_src = """00000001 taaaagatgaagtttctatcatccaaaaaatgggctacagaaacc 00000045
<<<<<<<< |||||||||||||||||||||||||||  |||||||||||||||| <<<<<<<<
41629392 taaaagatgaagtttctatcatccaaagtatgggctacagaaacc 41629348"""

def find_mismatch(blat):
    #break the blat input into lines
    lines = blat.split("\n")

    #give some firendly names to the different lines
    seq_a = lines[0]
    seq_b = lines[2]

    #We're not interested in the '<' and '>' so we strip them out with a slice
    matchstr = lines[1][9:-9]

    #Get the integer values of the starts of each sequence segment
    pos_a = int(seq_a[:8])
    pos_b = int(seq_b[:8])

    results = []

    #find the index of first space character, mmpos = mismatch position
    mmpos = matchstr.find(" ")
    #if a space exists (-1 if none found)
    while mmpos != -1:
        #the position of the mismatch is the start position of the
        #sequence plus the index within the segment
        results.append((posa+mmpos, posb+mmpos))
        #search the rest of the string (from mmpos+1 onwards)
        mmpos = matchstr.find(" ", mmpos+1)
    return results

print find_mismatch(blat_src)

哪个生产

[(28, 41629419), (29, 41629420)]

告诉我们位置 28 和 29（根据顶部序列索引）或位置 41629419 和 41629420（根据底部序列索引）不匹配。

于 2014-07-17T23:27:03.533 回答