Python 一种利用坐标快速获取人类基因组序列的方法

我想随机得到很多人类基因组片段（超过5亿个）

这是整个过程的一部分工作。我有来自bowtie的.sam结果文件，有1000万条人类基因组序列。我想将每个查询读取的内容与sam文件中的“与之对齐的引用序列”进行比较。我使用的参考序列是UCSC的hg19.fa。因此，我需要能够使用sam文件中的位置从hg19.fa（或染色体文件）中获取序列

e、 g.通过给出：chr4:35654-35695，我可以得到42bp序列：

GTCTTCAGGGTTTTTTATTTTTGGTTTACTAGT

到目前为止，我有两种解决方案： 1.从UCSC DAS服务器获取序列的python脚本：

使用python脚本调用“samtools faidx”命令并返回commnad输出， 发信人：

但是，它们很慢。samtools faidx比从DAS服务器获取它要快一点，但仍然很慢

---

那么，有什么快速的方法可以做到这一点吗？我有seprate染色体fasta文件和hg19.fa文件

在中使用ucsctwoBitToFa

---

另请参见

您可以尝试python twobitreader模块：

python-m双位读取器hg19.2比特<临时床

---

如果您要获得一个上限，那么如果从外部资源获取，您可能会受到带宽/线路的限制。同样，如果读取，则受磁盘读取速度的限制（如果不在活动内存中）。您是否考虑过使用？通过使用

subprocess.call（'samtools faidx'）

等，您可以使用它打开sam文件并连续调用faidx，而无需打开/关闭开销。我有2bit格式的hg19，您能告诉我在我的情况下应该如何使用此文件吗？谢谢