Mismatch distribution

Mismatch distribution - Python - Programmation

Marsh Posté le 16-01-2019 à 10:33:47    

Bonjour,
 
J'aurai besoin d'aide pour l'analyse de fichiers fasta (sequence ADN).
J'ai une centaine de fichiers fasta contenant chacun 600 sequences.
Voila a quoi ressemble les fichiers:
 
>1-1-1
CAACCCACAAAAACCCAACACAACAAAACCAACCCAACCAACCCCCCAACACACCCAAAACACACACAACCCAACAAACCACAAAACCAAACAACCCAACACACAACACCCCACCAACCAACAACACCCAAACCAACCCAAAACAAAACCACCACCACCACCCCACACAAAACCAAACCCACC
>1-1-2
CAACCCACAAAAACCCAACAAAACAAACCCCACCCAACCAACCCCCCACCACACCCAAAACACACACAACCCAACAAACCACAAAACCAAACAAACCAACACACAACACCCAACCAACCAACAACACCCAAACCAACCCAAAACAAAACCACCACCACCACCCCACACAAAACCAAACCCACC
>1-1-3
AAACCCACAAAAACCCAACACAACACAACCACCACAACCAACCCCCCCCCACACCCAAAACACACCCAAAACAACAAACCACAACACCAAACAAACCAAAACACAACACCCCCCCAACCAACACCACCAAAACCAACCCAAAACAACCCCACCACCACCACCCCAAACAAAACCACACCCACC
>1-1-4
CAACCCACAAAAACCCAACACAACAAAACCAACCCAACCAACCCCCCAACACACCCAAAACACACACAACCCAACAAACCACAAAACCACACAACCCAACACACAACACCCCACCAACCAACAACACCCAAACCAACCCAAAACAAAACCACCACCACCACCCCACACAAAACCAAACCCACC
 
 
J'aimerai calculer pour chaque fichier de 600 sequences le nombre de differences par pair de sequences.
Par example, le nombre de difference entre 1-1-1 et 1-1-2 puis le nombre de difference entre 1-1-1 et 1-1-3, etc
 
A la fin, j'aimerai obtenir un fichier output qui me donne le nombre de pairs pour chaque nombre differences ainsi que le pourcentage.
Par example:Nombre de Difference     Nombre de pairs   Pourcentage
                             1                           25                     2%
                             2                           50                     4%
                            ...                         ....                     ....
 
Voila le script que j'ai ecrit:
 

Code :
  1. import sys
  4. def readFas(inf):
  5.         seqs = []
  6.         count = 0
  7.         for line in inf:
  8.                 if line.find(">" ) >= 0:
  9.                         #seq = line
  10.                         count += 1
  11.                 else:
  12.                         #seq += line
  13.                         if count == 0:
  14.         return seqs
  17. def count_Diff(seqs, real):
  18. numDiff = 0
  19. for s in range(len(seqs[0])):
  20.  for idx_seq in range(len(seqs)-1):
  21.   if seqs[idx_seq][s] != seqs[idx_seq+1][s]:
  22.    numDiff += 1
  23.    break
  24. return numDiff
  27. #################################################
  29. filehead = sys.argv[1]
  30. startRepl = int(sys.argv[2])
  31. endRepl = int(sys.argv[3])
  32. real = 0
  34. outf = open("p-seg1_"+filehead+".txt", "w" )
  35. for sim in range(startRepl, endRepl):
  36.         for repl in range(1, 51):
  37.          name = "seg1_"+ filehead + "_" +str(sim) + "_" + str(repl) + "_pick.fas"
  38.          inf = open(name, "r" )
  39.        
  40.          seqsWindow = readFas(inf)
  41.          inf.close()
  42.        
  43.          Diff = count_Diff(seqs, real)
  44.  outf.write(str(Diff)"\n" )

     
 
Cependant je n'arrive pas a faire un script qui fonctionne et je ne vois vraiment pas comment obtenir le tableau que je veux.
Si quelqu'un pouvait m'aider ou avait des suggestions a me proposer, j'en serai tres heureuse car je suis vraiment perdue.
 
Merci d'avance
 
 

Reply

Marsh Posté le 16-01-2019 à 10:33:47   

Reply

Sujets relatifs:

Leave a Replay

Make sure you enter the(*)required information where indicate.HTML code is not allowed