2022-09-30 mto1_rip 3和5 序列分析

1. fastq 转换为fasta 格式

sed -n '1~4s/^@/>/p;2~4p' MTO1_IP_mer_clean.fq> MTO1_IP_mer_clean.fa
image.png

利用之前的perl程序,生成uniq的序列文件,readcounts文件,长度分布文件

perl groupReads.pl MTO1_IP_mer_clean.fa


image.png

2 构建索引

makeblastdb -in ./blast_index/Homo_sapiens.GRCh38.dna.chromosome.MT.fa \
-dbtype nucl -out ./blast_index/human_mito_blast_index

makeblastdb -in input_file -dbtype molecule_type -title database_title -parse_seqids -out database_name -logfile File_Name
-in 后接输入文件,你要格式化的fasta序列
-dbtype 后接序列类型,nucl为核酸,prot为蛋白
-parse_seqids 推荐加上,
-out 后接数据库名
-logfile 日志文件,如果没有默认输出到屏幕
执行上述代码后将生成后缀为nin,nhr,nsq,nsi,nsd,nog等8个文件,至此,自定义搜索文件生成完成


image.png

3 blast 开始比对

blastn -query MTO1_IP_mer_clean.uniq.fasta -db ./blast_index/human_mito_blast_index -task \
blastn-short -outfmt 6 -evalue 0.01 -out MTO1_IP_uniq.blast.txt -num_threads 8

-query: 输入文件路径及文件名
-out:输出文件路径及文件名
-db:格式化了的数据库路径及数据库名
-outfmt:输出文件格式,总共有12种格式,6是tabular格式对应之前BLAST的m8格式
-evalue:设置输出结果的e-value值, 越少越严格
-num_alignments 显示比对数Default = 250
-num_descriptions:单行描述的最大数目 default=50
-num_threads:线程
重点是-outfmt 6,也就是之前版本的m 8格式 不同数字代表输出格式不同
-outfmt <String>
alignment view options: #####常用0,6,7
0 = Pairwise, 简单数据输出
1 = Query-anchored showing identities, 可视化图形
2 = Query-anchored no identities, 图形化比配,与2差不多
3 = Flat query-anchored showing identities, 可视化图形
4 = Flat query-anchored no identities, 可视化图形
5 = BLAST XML, 输出为XML,不建议用
6 = Tabular, 输出简单明了
7 = Tabular with comment lines,
8 = Seqalign (Text ASN.1), 不懂
9 = Seqalign (Binary ASN.1),
10 = Comma-separated values,
11 = BLAST archive (ASN.1),
12 = Seqalign (JSON),
13 = Multiple-file BLAST JSON,
14 = Multiple-file BLAST XML2,
15 = Single-file BLAST JSON,
16 = Single-file BLAST XML2,
17 = Sequence Alignment/Map (SAM),
18 = Organism Report
生成的结果如下
常规的id 用序列替代了


image.png
image.png

结果中从左到右每一列的意义分别是:

[00] Query id
[01] Subject id
[02] % identity
[03] alignment length
[04] mismatches
[05] gap openings
[06] q. start
[07] q. end
[08] s. start
[09] s. end
[10] e-value
[11] bit score

4. 生成的txt文件行数挺多的,到时生成的excel表会限制65000多行,所以对txt文件进行拆分

split -l 40000 MTO1_IP_uniq.blast.txt MTO1_IP_uniq -d -a 2

40000 按40000行大小分割,可根据需要需要修改
MCK_FKDL210000063-1a_1.cl.fa 需要切割的大文件
./SPLIT/SPLIT.fa 保存文件的位置以及文件名
-d 后缀位数字 如果不加则是字母形式的后缀
-a -4 后缀数字为4位数

5 转到python 目前python比较顺手,下次可以用R处理也行

加载包和路径

from xlrd import open_workbook

import requests
import re
import json
import time
import os
import xlwt
import xlwt
import xlrd3
import openpyxl
path_txt = r'I:\Mto1_rip_mRNA_SEQ_202109m\Nuohe_20211201_mto1\X101SC21081659-Z01-J002\RawFq\MTO1_IP_uniq.blast02.txt'
path2 = r'I:\MTO1_mito_rna_seq\MTO1_whole_adult_mito_mRNA_seq\zebrafish_mito_gene_id\human_mito_gene_id.xlsx'
path_read_counts= r'I:\Mto1_rip_mRNA_SEQ_202109m\Nuohe_20211201_mto1\X101SC21081659-Z01-J002\RawFq\MTO1_IP_mer_clean.readCounts.txt'
path_fasta = r'I:\Mto1_rip_mRNA_SEQ_202109m\Nuohe_20211201_mto1\X101SC21081659-Z01-J002\RawFq\MTO1_IP_mer_clean.uniq.fasta'
file_names = []
read_id=[]
id_sequence=[]

建立字典fasta文件,和count文件的字典

#######################################建立id与全长序列的字典
with open(path_fasta, 'rb') as f:
    for line in f:
        # print(line)
        Line = line.decode('utf-8', 'replace')
        # print(Line)
        if Line.startswith('>'):

            Line2 = Line[1:].strip()########获得每个reads前面代码
            read_id.append(Line2)


            # print(Line2)
        else:
            id_sequence.append(Line)
f.close()
fasta_dict=dict(zip(read_id,id_sequence))
print(fasta_dict['TATTGCTCAATCTCGGGTGGCTGAACGCCACTTGTCCCTCTAAGAAGTTGGGGGACGCCGACCGCTCGGGGGTCGCGTAACTAGTTAGCATGCCAGAGTCTCGTTCGTTATCGGAATTAACCAGACAAATCGCTCCACCAACTAAGAACGGCCATGCACCACCACCCACGGAATCGAGAAAGAGCTATCAATCTGTCAATCCTGTCCGTGTCCGGGCCGGGTGAGG'])

#######################################建立seq与reads数量的字典
seq=[]
counts=[]
with open(path_read_counts, 'rb') as ff:
    for line in ff:
        Line = line.decode('utf-8', 'replace')
        Line1 = Line.split('\t')

        seq1 = Line1[0]
        counts1 = Line1[1]

        seq.append(seq1)
        counts.append(counts1)
ff.close()
fasta1_dict = dict(zip(seq, counts))
print(fasta1_dict['TATTGCTCAATCTCGGGTGGCTGAACGCCACTTGTCCCTCTAAGAAGTTGGGGGACGCCGACCGCTCGGGGGTCGCGTAACTAGTTAGCATGCCAGAGTCTCGTTCGTTATCGGAATTAACCAGACAAATCGCTCCACCAACTAAGAACGGCCATGCACCACCACCCACGGAATCGAGAAAGAGCTATCAATCTGTCAATCCTGTCCGTGTCCGGGCCGGGTGAGG'])

根据条件进行筛选

m=open(path_txt,'r')
data=m.readlines()
#print(data)
i=1
#style = xlwt.XFStyle()
#font = xlwt.Font()
#font.name = 'SimSun'
#style.font = font
outwb = openpyxl.Workbook()
outws = outwb.create_sheet(index=0)
w = xlwt.Workbook(encoding='utf-8')
        # 添加个sheet
ws = w.add_sheet('sheet 1', cell_overwrite_ok=True)
for line1 in data:
        #print(line1)
        Line1=line1.split('\t')
        id=Line1[0]
        match_lenth=Line1[3]
        q_start=int(Line1[6])
        q_end = int(Line1[7])
        s_start = int(Line1[8])
        s_end = int(Line1[9])
        #print(Line1)
        #print(id,match_lenth,q_start,q_end,s_start,s_end)
        sequence_fasta=fasta_dict[id]
        total_counts=fasta1_dict[id]
        raw_seq_length=int(len(sequence_fasta))

        # 当前写入表格到第 row行

        ws.write(0, 0, 'ID')
        ws.write(0, 1, 'match_lenth')

        ws.write(0, 2, 'q. start')
        ws.write(0, 3, 'q. end')
        ws.write(0, 4, 's. start')
        ws.write(0, 5, 's. end')
        ws.write(0, 6, '5-seq')
        ws.write(0, 7, '3-seq')
        ws.write(0, 18, 'total——counts')
        if raw_seq_length >= int(match_lenth):
            q_sequence=sequence_fasta[q_start-1:q_end]
            print(len(q_sequence))
            print(i)

            seq_5=sequence_fasta.split(q_sequence)[0]
            seq_3=sequence_fasta.split(q_sequence)[1]
            ws.write(i, 0, id)
            ws.write(i, 1, match_lenth)
            ws.write(i, 2, q_start)
            ws.write(i, 3, q_end)
            ws.write(i, 4, s_start)
            ws.write(i, 5, s_end)
            ws.write(i, 6, seq_5)
            ws.write(i, 7, seq_3)
            ws.write(i,18,total_counts)
            workbook = xlrd3.open_workbook(path2)
            sheet1 = workbook.sheet_by_index(0)

            col_1 = sheet1.col_values(0)
            col_2 = sheet1.col_values(1)
            col_3 = sheet1.col_values(2)
            col_4 = sheet1.col_values(3)
            col_5 = sheet1.col_values(4)
            mito_plus_gene_position = []
            mito_minus_gene_position = []
            mito_plus_gene = []
            mito_minus_gene_direction = []
            mito_describtion=[]
            for x in col_2:
                mito_plus_gene_position.append(int(x))
            for x in col_1:
                mito_plus_gene.append(x)
            for x in col_3:
                if x is not None:
                    mito_minus_gene_position.append(int(x))

            for x in col_4:
                if x is not None:
                    mito_minus_gene_direction.append(x)
            for x in col_5:

                mito_describtion.append(x)

            if s_start > s_end:

                for pos in range(len(mito_plus_gene_position)):
                    # print(len(mito_plus_gene_position))

                    if mito_plus_gene_position[pos] <= s_start <= mito_minus_gene_position[pos]:
                        # print(pos)
                        gene_name_1 = mito_plus_gene[pos]
                        # print(gene_name_1)
                        ws.write(i, 8, gene_name_1)
                        ws.write(i, 10, mito_minus_gene_direction[pos])
                        ws.write(i, 11, mito_plus_gene_position[pos])
                        ws.write(i, 12, mito_minus_gene_position[pos])
                        ws.write(i, 13, mito_describtion[pos])

                        break

                for pos in range(len(mito_plus_gene_position)):
                    if mito_plus_gene_position[pos] <= s_end <= mito_minus_gene_position[pos]:
                        gene_name_1 = mito_plus_gene[pos]
                        ws.write(i, 9, gene_name_1)
                        ws.write(i, 10, mito_minus_gene_direction[pos])
                        ws.write(i, 11, mito_plus_gene_position[pos])
                        ws.write(i, 12, mito_minus_gene_position[pos])
                        ws.write(i, 14, mito_describtion[pos])
                        break

            if s_start < s_end:
                for pos in range(len(mito_plus_gene_position)):
                    # print(len(mito_plus_gene_position))

                    if mito_plus_gene_position[pos] < s_start < mito_minus_gene_position[pos]:
                        # print(pos)
                        gene_name_1 = mito_plus_gene[pos]
                        ws.write(i, 8, gene_name_1)
                        ws.write(i, 10, mito_minus_gene_direction[pos])
                        ws.write(i, 11, mito_plus_gene_position[pos])
                        ws.write(i, 12, mito_minus_gene_position[pos])
                        ws.write(i, 13, mito_describtion[pos])
                        break

                for pos in range(len(mito_plus_gene_position)):
                    if mito_plus_gene_position[pos] < s_end < mito_minus_gene_position[pos]:
                        gene_name_1 = mito_plus_gene[pos]
                        ws.write(i, 9, gene_name_1)
                        ws.write(i, 10, mito_minus_gene_direction[pos])
                        ws.write(i, 11, mito_plus_gene_position[pos])
                        ws.write(i, 12, mito_minus_gene_position[pos])
                        ws.write(i, 14, mito_describtion[pos])
                        break


            i=i+1
w.save('zebra_mito1.xls')

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,214评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,307评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,543评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,221评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,224评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,007评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,313评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,956评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,441评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,925评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,018评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,685评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,234评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,240评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,464评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,467评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,762评论 2 345

推荐阅读更多精彩内容