源代码gff reader and genomicfeature处理测序数据-peaker.pdfVIP

#源代码#GFF_ReaderandGenomicFeature处理数据

peaker

在高通量数据中，其中一个最流行的注释数据格式就是GFF

格式文件，因此对GFF文件的解析也是非常重要的过程。在python语

言中，HTSeq是一个非常强大的专门处理高通量数据的库，其中

就包括解析GFF文件的函数。通常来说，我们通过GFF_Reader函数

来解析并GFF格式文件内容，然后可以产生一个迭代循环，并描

述features特征。这些对象都是class“GenomicFeature”的type，并且每

一个都描述了GFF文件中的一行信息。

GFF_Reader函数有两个参数，我们看下说明文档

可见GFF_Reader的参数为file文件或sequence序列，在object对

象上进行迭代，然后产生GenomicFeature对象。而GenomicFeature也

是HTSeq库中的一个类，他的描述如下所示

可以看到它可以产生一个metadata，在GFF_Reader过程中，

可以跳过所有包含“#”注释的行，然而以“##”开头的行并不能跳过，因

为这些行就包含所谓的“metadata”。这种metadata有##keyvalue的格

式。当一个metadata被的时候，他将被存放在一个metadata字典

中。

在实际应用中最简单的处理注释信息的方法就是使用

GenomicArray，通过typecode=0orGnomicArrayOfSets。如果你有一个

flatfile包含注释信息，每一行都描述了一个对应的feature特征，那么

你就可以在这一行中进行，获得信息，起始终止位点等，创

建一个GenomicInterval对象，然后在一个列表中。例如如果你有

一个tab分割的文件如下所示

那么你就可以从中加载信息，代码如下

现在你就可以看到这里是否有一个feature，你只需要查询genomic

array即可

喜欢本文吗？欢迎加入云生信跟大家一起进步~