https://github.com/Wy/cruzdb
UCSC基因组数据库是注释，调节和变异以及越来越多的分类群的各种数据的重要资源。 该库旨在简化数据的利用，以便我们可以进行复杂的分析，而无需采用易于操作，容易出错的操作。 作为动机，以下是一些功能的示例：
>>> from cruzdb import Genome >>> g = Genome(db="hg18") >>> muc5b = g.refGene.filter_by(name2="MUC5B").first() >>> muc5b refGene(chr11:MUC5B:-) >>> muc5b.strand '+' # the first 4 introns >>> muc5b.introns[:4] [(L, L), (L, L), (L, L), (L, L)] # the first 4 exons. >>> muc5b.exons[:4] [(L, L), (L, L), (L, L), (L, L)] # note that some of these are not coding because they are < cdsStart >>> muc5b.cdsStart L # the extent of the 5' utr. >>> muc5b.utr5 (L, L) # we can get the (first 4) actual CDS's with: >>> muc5b.cds[:4] [(L, L), (L, L), (L, L), (L, L)] # the cds sequence from the UCSC DAS server as a list with one entry per cds >>> muc5b.cds_sequence #doctest: +ELLIPSIS ['atgggtgccccgagcgcgtgccggacgctggtgttggctctggcggccatgctcgtggtgccgcaggcag', ...] >>> transcript = g.knownGene.filter_by(name="uc001aaa.2").first() >>> transcript.is_coding False # convert a genome coordinate to a local coordinate. >>> transcript.localize(transcript.txStart) 0L # or localize to the CDNA position. >>> print transcript.localize(transcript.cdsStart, cdna=True) None 命令行调用
python -m cruzdb hg18 input.bed refGene cpgIslandExt
使用版本hg18中的refGene和cpgIslandExt表注释间隔。
数据框
……是这样的。我们可以从桌子上得到一个：
>>> df = g.dataframe('cpgIslandExt') >>> df.columns #doctest: +ELLIPSIS Index([chrom, chromStart, chromEnd, name, length, cpgNum, gcNum, perCpg, perGc, obsExp], dtype=object) 通过将’refGene’更改为’knownGene’，可以使用knownGene注释重复上述所有操作。 而且，它可以很容易地完成一组基因。
空间的
可以使用k近邻，上游和下游搜索。 上行和下游搜索使用查询功能的链来确定方向：
>>> nearest = g.knearest("refGene", "chr1", 9444, 9555, k=6) >>> up_list = g.upstream("refGene", "chr1", 9444, 9555, k=6) >>> down_list = g.downstream("refGene", "chr1", 9444, 9555, k=6) 镜像
以上使用UCSC的mysql接口。 现在可以通过以下方式将任何表从UCSC镜像到本地sqlite数据库：
>>> import os >>> if os.path.exists("/tmp/u.db"): os.unlink('/tmp/u.db') >>> g = Genome('hg18') >>> gs = g.mirror(['chromInfo'], 'sqlite:tmp/u.db') 然后用作：
>>> gs.chromInfo
代码
genome.knownGene 调用__getattr__方法，将表arg设置为’knownGene’，然后反映该表，并返回父类为Feature和sqlalchemy的declarative_base的对象。
贡献
要开始编码，获取一些UCSC表的副本可能很有礼貌，以免使UCSC服务器过载。 你可以运行类似的东西：
Genome('hg18').mirror(["refGene", "cpgIslandExt", "chromInfo", "knownGene", "kgXref"], "sqlite:tmp/hg18.db") 然后连接将是这样的：
g = Genome("sqlite:tmp/hg18.db") 转载于:https://www.cnblogs.com/yahengwang/p/10195614.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/213293.html原文链接：https://javaforall.net
