本文介绍了Python中的pysam模块，这是一个强大的工具，用于读写和处理基因组数据，包括bam、vcf、bcf等格式。通过pysam，可以方便地对文件进行随机读取、索引创建、数据处理和写入操作，提供比传统工具更灵活的功能。文章详细讲解了pysam的安装、读取、写入以及随机访问的方法，使开发者能更好地处理基因组数据。
在开发基因组相关流程或工具时，经常需要读取、处理和创建bam、vcf、bcf文件。目前已经有一些主流的处理此类格式文件的工具，如samtools、picard、vcftools、bcftools，但此类工具集成的大多是标准功能，在编程时如果直接调用的话往往显得不够灵活。
本文介绍的是一个处理基因组数据的python模块，它打包了htslib-1.3、samtools-1.3 和 bcftools-1.3的核心功能，能在编程时非常灵活的处理bam和bcf文件。
以下主要介绍pysam的安装和使用方法：
1. 安装
如果Linux上安装了pip，可以一键安装，在集群上的话，需要登录安装节点进行安装。
pip3 install pysam
检查是否安装成功
import pysam
2.读取bam文件(pysam.AlignmentFile)
bam是sam的二进制文件，因其占用空间少，所以都会使用bam进行存储和操作。
要读取bam文件,必须先创建一个AlignmentFile对象.
path_in = './test.bam'
samfile = pysam.AlignmentFile(path_in, "rb")
之后就可以逐行读取和处理bam文件了(顺序读取),以下打印出了bam的一行.
for line in samfile:
print(line)
break
但顺序读取还不够灵活,我们有时需要随机读取(提示:sam不能随机读取),pysam的fetch方法提供了随机读取功能.
直接使用fetch会报错
ValueError: fetch called on bamfile without index
提示我们需要建立(.bai)索引
samtools index corrected.bam
fetch返回的是一个迭代器(iterator),可以迭代读取内容.
for read in samfile.fetch('chr6', 28478220, 28478222):
.
最低0.47元/天 解锁文章
6307
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
