码迷,mamicode.com
首页 > 其他好文 > 详细

通过bed文件获取fasta序列

时间:2018-07-18 21:44:50      阅读:984      评论:0      收藏:0      [点我收藏+]

标签:pytho   format   git   技术分享   技术   hub   mat   faq   blocks   

 

一、BED 文件格式

BED 文件格式提供了一种灵活的方式来定义的数据行,以用来描述注释的信息。BED行有3个必须的列和9个额外可选的列。 每行的数据格式要求一致。

必须包含的3列:

1.chrom, 染色体名字(e.g. chr3, chrY)

2.chromStart, 目标区段在染色体起始位置,染色体第一个碱基的位置是0

3.chromEnd, 目标区段在染色体结束位置,染色体的末端位置没有包含到显示信息里面。例如,首先得100个碱基的染色体定义为chromStart =0 . chromEnd=100, 碱基的区段是0-99

技术分享图片

9个可选列

4.name、5.score、6.strand、7.thickStart、8.thickEnd、9.itemRGB、10.blockCount、11.blockSize、12.blockStarts

二、基因组文件下载和seqFasta.py相关依赖包下载

1.基因组文件下载,如人hg38

$ wget http://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz

2.seqFasta.py依赖包下载

$ pip install numpy pyfasta

三、运行脚本seqFasta.py得到结果

1.利用geneInfo.py得到bed文件

$ python geneInfo.py -i brca1 -d hg38 -o brca1.bed

2.运行seqFasta.py得到fasta序列

$ python seqFasta.py -g $HG38/hg38.fa -b brca1.bed

技术分享图片

【参考列表】

UCSC BED format

通过bed文件获取fasta序列

标签:pytho   format   git   技术分享   技术   hub   mat   faq   blocks   

原文地址:https://www.cnblogs.com/yahengwang/p/9332487.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!