Question

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，上述输出中存在两个不匹配。我们可以使用Python获取不匹配/变异的位置编号。这也是它在源代码中出现的方式。所以我对如何继续有点困惑。谢谢。

Answer 1

您可以使用字符串的.find方法找到不匹配项。不匹配用空格表示（＆＃39;＆＃39;），因此我们在blat输出的中间行查找。我个人并不知道blat，所以我不确定输出是否总是以三元组为单位，但假设确实如此，以下函数将返回一个位置不匹配的列表，每个位置表示为一个元组顶部序列中的不匹配位置，以及底部序列中的不匹配位置。

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)

哪个产生

[(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）是不匹配的。

UCSC BLAT输出python

1 个答案: