Fatal编程技术网
  • python/
  • seqidpython中的计数特定模式

seqidpython中的计数特定模式

python python-3.x

seqidpython中的计数特定模式,python,python-3.x,biopython,Python,Python 3.x,Biopython,事实上，我有一个巨大的multifasta seq文件，例如： >Seq_1_0035_0035 ATTGGAT >Seq_2_0042_0035 ATTGAGGA >EOGWX56TR_0035_0042 (busco) ATGGAGAT >EOGWX56TR_0042_0042 (busco) ATGGATGG >Seq6_035_0042 ATGGGAATAG >EOG55FTG_0035_0042 (busco) AATGGATA >EOG5GF

事实上，我有一个巨大的multifasta seq文件，例如：

>Seq_1_0035_0035
ATTGGAT
>Seq_2_0042_0035
ATTGAGGA
>EOGWX56TR_0035_0042 (busco)
ATGGAGAT
>EOGWX56TR_0042_0042 (busco)
ATGGATGG
>Seq6_035_0042
ATGGGAATAG
>EOG55FTG_0035_0042 (busco)
AATGGATA
>EOG5GFFTA_0042_0042 (busco)
ATGGAGATA
>Seq56_0035_0042
ATGGAGATAT
>EOGATTT_0035_0042  (busco)
AAATGAGATA
>EOGATTT_0042_0042  (busco)
ATGGAAT
>EOGATTA_0042_0042  (busco)
ATAGGAGAT
实际上，我想计算一下我的文件中有多少Busco基因（它们都以名字
>EOG
开头），这样我就有了这样一个脚本：

count=1
for record in SeqIO.parse("concatenate_with_busco_names_0035_0042_aa.fa", "fasta"):
    count+=1
print(count)

set_of_labels = set()

with open("concatenate_with_busco_names_0035_0042_aa.fa") as f:
  for line in f:
    if line.startswith('>EOG'):
      label = line[4:].split('_')[0]
      set_of_labels.add(label)

print("Total number of Busco genes: " + str(len(set_of_labels)))
但我也想知道我在每个相应的成分之间有多少个基因。我解释得更好

正如您所看到的，每个seqID
中有两个数字，例如_number\u number
这些数字是特定的，第一个
\u数字
对应于序列所属的物种，第二个
\u数字
是特定的数字。 不管怎样，我想知道是否有可能像我那样计算我得到的第一个数字
\u 0035
和
\u 0042
而且 seq ID有多少个：

_0035_0042
_0035_0042
_0042_0042
_0042_0035
在上述示例中，它将是：

Total busco: 5 (I count only once if the >busco is present even if _number are different)
Total busco for the specie _0035 (_0035_0042 and _0035_0035) : 3
Total busco for the specie _0042 (_0042_0042 and _0042_0035) : 4
Total busco for the specific specie  _0035_0042 : 3
Total busco for the specific specie  _0042_0035 : 0
Total busco for the specific specie  _0042_0042 : 4
Total busco for the specific specie  _0035_0035 : 0
您好，希望这是清楚的，事实上第一部分（
total busco:
）已经由我的脚本完成了，我只需要数一数其他7种方式

这是真实数据

除了busco计数器外，您还可以使用多个计数器获取物种和特定物种的单个计数，例如：

import collections

busco = collections.defaultdict(int)  # busco counter
species = collections.defaultdict(int)  # species counter
specific_species = collections.defaultdict(int)  # specific species counter

with open("concatenate_with_busco_names_0035_0042_aa.fa", "r") as f:
    for line in f:
        if line[:4] == ">EOG":
            entry = line.split()[0][4:].split('_')
            busco[entry[0]] += 1
            species[entry[1]] += 1
            specific_species[entry[1] + "_" + entry[2]] += 1

print("Total busco: {}".format(len(busco)))
for specie, total in species.items():
    print("Total busco for the specie {}: {}".format(specie, total))
for specie, total in specific_species.items():
    print("Total busco for the specific specie {}: {}".format(specie, total))
这将产生：

Total busco: 5 Total busco for the specie 0035: 3 Total busco for the specie 0042: 4 Total busco for the specific specie 0035_0042: 3 Total busco for the specific specie 0042_0042: 4 这将产生：

Total busco: 5 Total busco for the specie 0035: 3 Total busco for the specie 0042: 4 Total busco for the specific specie 0035_0035: 0 Total busco for the specific specie 0035_0042: 3 Total busco for the specific specie 0042_0035: 0 Total busco for the specific specie 0042_0042: 4 对于您的完整数据打印：

Total busco: 421 Total busco for the specie 0035: 402 Total busco for the specie 0042: 397 Total busco for the specific specie 0035_0035: 392 Total busco for the specific specie 0035_0042: 262 Total busco for the specific specie 0042_0035: 305 Total busco for the specific specie 0042_0042: 383 巴士公司总数：421 该物种的总busco 0035:402 该物种的总busco 0042:397 特定物种的总busco 0035_0035:392 特定物种的总busco 0035_0042:262 特定物种的总busco 0042_0035:305
特定种类0042_0042:383的总busco，这与Python标准库中的类无关：

from collections import Counter
from io import StringIO

label_counter = Counter()
specy_counter = Counter()
specific_specy_counter = Counter()

# replace this with an open() on your real file 
finput = StringIO(""">Seq_1_0035_0035
ATTGGAT
>Seq_2_0042_0035
ATTGAGGA
>EOGWX56TR_0035_0042 (busco)
ATGGAGAT
>EOGWX56TR_0042_0042 (busco)
ATGGATGG
>Seq6_035_0042
ATGGGAATAG
>EOG55FTG_0035_0042 (busco)
AATGGATA
>EOG5GFFTA_0042_0042 (busco)
ATGGAGATA
>Seq56_0035_0042
ATGGAGATAT
>EOGATTT_0035_0042  (busco)
AAATGAGATA
>EOGATTT_0042_0042  (busco)
ATGGAAT
>EOGATTA_0042_0042  (busco)
ATAGGAGAT""")



for line in finput:
    try:
        if line.startswith('>EOG'):
            label, specy, specific = line[4:].replace(" (busco)", "").strip().split('_')
            label_counter[label] += 1
            specy_counter[specy] += 1
            specific_specy_counter[(specy, specific)] += 1
    except ValueError:
        print("Invalid line:", line)


print("Total busco:", len(label_counter))
for specy, count in specy_counter.items():
    print("Total busco for the specie {} : {}".format(specy, count))
for (specy, specific), count in specific_specy_counter.items():
    print("Total busco for the specific specy {}_{} : {}".format(specy, specific, count))
请注意，值为0的物种或特定物种不会显示。

使用两个存储匹配数的词典如何？一个有键
\u number\u number
和一个键
\u number
？嗨，首先感谢你的帮助：）但似乎出了问题，因为我得到了很多数字，我的数据中只有422>EOG一些不同的值，实际上我得到了854，当我用if行[:4]=>EOG替换if行[:4]==“>EOG090X03YJ”：为了查看代码是否有效，我得到了0，我应该得到tot busco=10042\u 0042=1；0042\u 0035=0；0035\u 0042=0和_0035\u 0035=0。如果你想检查，我添加了我的真实数据：）你没有说明（或者至少我不清楚）您希望其他两个计数器也依赖于它们的父计数器，即仅对唯一的
busco
条目计数
species/specific\u specie
。使用上述代码，如果有两个
>EOG01\u 02\u 03
条目，则只会对一个
busco
条目进行计数（
01
），但物种（
02
）而特定物种（
02_03
）将在每次遭遇时增加一个，导致计数为
2
。是的，总的来说，这个数字是正确的（只计算所有物种和特定物种中发生过一次Busco）但是对于物种的总数，例如，如果有像EOG01和EOG01和EOG01，我只想数一个busco），那么更具体地说，我想在每种情况下进行计数，那么这里就是：
\u02\u03=1和
\u02\u04=1。也许你可以取一个l为了更好地理解，我在我的第一篇文章中使用了一种类似的方式查看了真实的数据？我查看了数据，但我仍然不清楚您试图做什么-busco的
计数是唯一的，因为它的键存储在
dict
中（但是您可以通过
总和获得所有遇到的
busco
条目的计数）（busco.values（））
）但是后面的数字是分开处理的。是否只在唯一的
busco
条目上计算它们（例如，如果有两个条目，如：
>EOG01_02_03
和
>EOG01_02_04
则应计算一个busco（
01
）、一个物种（
02
）和两个特定物种（
02\u 03
和
02\u 04
）？是的，在您的示例中有3级计数，第一级仅一个busco条目（
all busco
），第二级取决于种类（
第一级
）但是如果有
EOG01\U 02\U 03
和
EOG01\U 02\U 04
你只能有一个公交中心和
第三个公交中心：你可以计算所有不同的公交中心：），那么因为有4个特定的种类，它就有6个不同的值来计算。
Total busco: 421
Total busco for the specie 0035: 402
Total busco for the specie 0042: 397
Total busco for the specific specie 0035_0035: 392
Total busco for the specific specie 0035_0042: 262
Total busco for the specific specie 0042_0035: 305
Total busco for the specific specie 0042_0042: 383

from collections import Counter
from io import StringIO

label_counter = Counter()
specy_counter = Counter()
specific_specy_counter = Counter()

# replace this with an open() on your real file 
finput = StringIO(""">Seq_1_0035_0035
ATTGGAT
>Seq_2_0042_0035
ATTGAGGA
>EOGWX56TR_0035_0042 (busco)
ATGGAGAT
>EOGWX56TR_0042_0042 (busco)
ATGGATGG
>Seq6_035_0042
ATGGGAATAG
>EOG55FTG_0035_0042 (busco)
AATGGATA
>EOG5GFFTA_0042_0042 (busco)
ATGGAGATA
>Seq56_0035_0042
ATGGAGATAT
>EOGATTT_0035_0042  (busco)
AAATGAGATA
>EOGATTT_0042_0042  (busco)
ATGGAAT
>EOGATTA_0042_0042  (busco)
ATAGGAGAT""")



for line in finput:
    try:
        if line.startswith('>EOG'):
            label, specy, specific = line[4:].replace(" (busco)", "").strip().split('_')
            label_counter[label] += 1
            specy_counter[specy] += 1
            specific_specy_counter[(specy, specific)] += 1
    except ValueError:
        print("Invalid line:", line)


print("Total busco:", len(label_counter))
for specy, count in specy_counter.items():
    print("Total busco for the specie {} : {}".format(specy, count))
for (specy, specific), count in specific_specy_counter.items():
    print("Total busco for the specific specy {}_{} : {}".format(specy, specific, count))