生物信息基础：基因组文件读写（pysam）

Pysam^[1]是一个 Python 模块，它打包了高通量测序库htslib^[2]的 C-API，可用于读写基因组相关文件，如 Fasta/Fastq，SAM/BAM/CRAM，VCF 等。本文以 Fasta/Fastq 文件的读写为例，介绍 Pysam 的用法，详细教程请查看官网。

Install

pip install pysam
或者
conda install pysam

Fasta files

对于 Fasta 文件，可以实现随机访问，前提是要先创建 faidx 索引。

import pysam

# 构建FastaFile对象，随机访问需要先创建faidx，没有的话在这里会自动创建faidx
fa = pysam.FastaFile("ex1.fa")

# Fasta文件中序列的数量，结果是一个整数
print("number of reference sequences: %d" % fa.nreferences)

# Fasta文件中序列的名称，结果是一个列表
print("names of reference sequences: " + ",".join(fa.references))

# Fasta文件中序列的长度，结果是一个列表
print("lengths of reference sequences: " + ",".join([str(i) for i in fa.lengths]))

# 这里是关键，用fetch函数随机读取序列
#