标签：开始   expr   from   attach   问题   ber   tab   总结   table   

Gene co-expression features

下载 co-expression 数据

The following co-expression coefficient features were attained from COXPRESdb.

http://coxpresdb.jp/download.shtml

打开这个页面我们点击bulk download

然后我们下载budding yeast 文件。

在最下面我们也可以看到文件格式的说明

Under the directory named Hsa.coex.v6, 19777 files will appear.

 
 Hsa.coex.v6 ----- 1
               |-- 10
               |-- 100
               |-- ...
               |-- 9997

 
 462         8.1   0.596 
 2158       10.9   0.590
 189        12.7   0.574
 ...
 220963  19749.5  -0.163
 130367  19760.5  -0.175

 
 80168       4.9   0.553 
 10223       5.8   0.650
 27284       5.9   0.608
 ...
 84058   19772.0  -0.276
 83871   19775.5  -0.304

 
 85449      37.9   0.478 
 140807     47.7   0.391
 636        50.2   0.469
 ...
 126969  19269.8  -0.113
 55930   19273.0  -0.082

 

 下载uniport数据

和前面同样一个问题，它这数据只给了3列，第一列 Entrez Gene ID，第二列MR,第三列COR。

蛋白质和 Entrez Gene ID的映射我们怎么得到呢？

通过各种资料。我们知道Entrez Gene ID就是ncbi里的ID,同样我们可以通过uniport下载对应的GENEID.

我们可以通过uniport上右边的笔头添加Gene ID列如下图所示

之后我们找到Genome annotation 下面的GeneID，打上勾（藏那么深也逃脱不了我的法眼。）。这样我们就能得到GeneID信息了。

 

 

然后我们把下面的数据下载下来。

 

 

到此数据准备工作基本完成。

我们得到一个文件夹和一个uniprot和geneid对应关系的文件。

uniprot_to_geneid.csv

 

 

 

Ensemble learning prediction of protein–protein interactions using proteins functional annotations

 获取论文的uniprot codes列(idA,idB)

yeast_gold_protein_pair.csv

到这里我们的数据已经准备完成了。下面开始写代码！

---

 

代码的设计

 

 

1. # -*- coding: utf-8 -*-
2. """
3. Created on Thu Nov 10 10:49:21 2016
5. @author: sun
6. """
7. import pandas as pd
8. import os
10. yeast_gold_protein_pair=pd.read_csv(‘yeast_gold_protein_pair.csv‘,usecols=[‘idA‘,‘idB‘])
11. GeneID=pd.read_csv(‘uniprot_to_geneid.csv‘,usecols=[‘Entry‘,‘Cross-reference (GeneID)‘],index_col=0)
12. #注loc通过标签选择数据,iloc通过位置选择数据
13. idA=GeneID.loc[yeast_gold_protein_pair.idA,:]
14. idB=GeneID.loc[yeast_gold_protein_pair.idB,:]
15. idA.index=range(len(idA))
16. idB.index=range(len(idB))
18. mr=[]
19. cor=[]
20. for i in range(len(idA)):
21. GeneIDA=str(idA.iloc[i].values)
22. GeneIDB=str(idB.iloc[i].values)
23. ifGeneIDB!=‘[nan]‘andGeneIDA!=‘[nan]‘:
24. GeneIDA=GeneIDA[2:8]
25. GeneIDB=int(GeneIDB[2:8])
26. path=‘Sce.v14-08.G4461-S3819.rma.mrgeo.d/‘+GeneIDA
27. if os.path.exists(path):
28. coex=pd.read_csv(path,header=None,sep=‘ ‘,index_col=0)
29. ifGeneIDBin coex.index:
30. mr.append(coex.loc[GeneIDB,1])
31. cor.append(coex.loc[GeneIDB,2])
32. else:
33. mr.append("nan")
34. cor.append("nan")
35. else:
36. mr.append("nan")
37. cor.append("nan")
38. else:
39. mr.append("nan")
40. cor.append("nan")
42. yeast_gold_protein_pair[‘MR‘]=mr
43. yeast_gold_protein_pair[‘COR‘]=cor
45. yeast_gold_protein_pair.to_csv(‘coexpression.csv‘,index=False)

 

最后我们可以得到一个coexpression.csv的文件，通过查看文件我们可以知道，有686对蛋白找不到对应的MR和COR值

 

 总结

计算Gene co-expression features

标签：开始   expr   from   attach   问题   ber   tab   总结   table   

原文地址：http://www.cnblogs.com/ahusun/p/6069073.html