pandas - 将 BED 文件读入 pandas 数据框（Windows）

Question

对于生物信息学项目，我想将 .BED 文件读入 pandas 数据框，但不知道我该怎么做以及需要哪些工具/程序。我在互联网上找到的任何东西都不适用于我，因为我正在使用 Python 3.7（Anaconda 发行版）在 windows10 上工作。

任何帮助，将不胜感激。

Answer 1

根据https://software.broadinstitute.org/software/igv/BED：

BED 文件 (.bed) 是一个制表符分隔的文本文件，用于定义特征轨迹。

根据http://genome.ucsc.edu/FAQ/FAQformat#format1包含多达 12 个字段（列）和可能以单词开头的注释行'track'。以下是将此类bed文件读入 pandas 数据帧的最小程序。

import pandas as pd

df = pd.read_csv('so58178958.bed', sep='\t', comment='t', header=None)
header = ['chrom', 'chromStart', 'chromEnd', 'name', 'score', 'strand', 'thickStart', 'thickEnd', 'itemRgb', 'blockCount', 'blockSizes', 'blockStarts']
df.columns = header[:len(df.columns)]

这只是一个非常简单的代码片段，它将所有以 a 开头的行't'视为注释。这应该可以工作，因为所有“chrom”字段条目都应该以 a 'c'、 an's'或数字开头。

Answer 2

如果您使用pyranges，将为 df 指定名称和相应的数据类型。

import pyranges as pr

df = pr.read_bed("your.bed", as_df=True)

它还具有用于不整洁的生物信息学格式的阅读器，例如 gtfs 和 gff3s。