统计基因影响的SV数量

根据基因列表,统计SV注释文件中,基因受到SV影响的数目

import sys
def read_gene_list(filename):
    """从文件中读取基因列表"""
    with open(filename, 'r') as file:
        genes = [line.strip() for line in file]
    return genes
def process_sv_file(genes, sv_filename, output_filename):
    """处理 SV 文件并筛选出基因列表中的基因及其对应的 SV 类型"""
    sv_type_order = ['INS', 'DEL', 'DUP', 'INV']
    gene_sv_counts = {gene: {sv_type: 0 for sv_type in sv_type_order} for gene in genes}
    with open(sv_filename, 'r') as sv_file:
        for line in sv_file:
            parts = line.strip().split('\t')
            if len(parts) >= 11:
                gene_part = parts[6]
                for gene in genes:
                    if gene in gene_part:
                        sv_type = parts[10]
                        if sv_type in sv_type_order:
                            gene_sv_counts[gene][sv_type] += 1
                        break

    with open(output_filename, 'w') as output_file:
        # 按照基因列表的顺序输出所有基因及其每种 SV 类型的计数
        for gene in genes:
            output_file.write(f"{gene}\t")
            for sv_type in sv_type_order:
                output_file.write(f"{sv_type}:{gene_sv_counts[gene][sv_type]}\t")
            output_file.write("\n")


if __name__ == "__main__":
    if len(sys.argv)!= 4:
        print("Usage: python script.py <gene_list_file> <sv_data_file> <output_file>")
        sys.exit(1)

    gene_list_filename = sys.argv[1]
    sv_data_filename = sys.argv[2]
    output_filename = sys.argv[3]

    # 读取基因列表
    genes = read_gene_list(gene_list_filename)

    # 处理 SV 数据文件
    process_sv_file(genes, sv_data_filename, output_filename)

    print("处理完成!")
cat all|while read id
do
python wo4.py gene ../$id add1/$id
done
结果

合并表格

import os
import csv

def merge_tsv_files(output_filename):
    """合并当前目录下的所有 TSV 文件到一个新的 TSV 文件中,并保留文件名作为额外一列"""
    
    # 获取当前目录下的所有文件
    files = os.listdir('.')
    
    # 过滤出 TSV 文件
    tsv_files = [f for f in files if f.endswith('.tsv')]
    
    # 如果没有找到任何 TSV 文件,则返回
    if not tsv_files:
        print("没有找到 TSV 文件。")
        return
    
    # 写入头部信息(假设所有文件的头部都相同)
    header_written = False

    with open(output_filename, 'w', newline='') as outfile:
        writer = csv.writer(outfile, delimiter='\t')

        for filename in tsv_files:
            with open(filename, 'r') as infile:
                reader = csv.reader(infile, delimiter='\t')
                
                # 只写入一次头部信息
                if not header_written:
                    header = next(reader)
                    # 添加文件名列
       #             header.append('File_Name')
        #            writer.writerow(header)
                    header_written = True
                
                # 写入数据行
                for row in reader:
                    # 添加文件名作为最后一列
                    row.append(filename)
                    writer.writerow(row)
    
    print(f"文件已成功合并到 {output_filename}")

if __name__ == "__main__":
    # 指定输出文件名
    output_filename = "merged_with_filenames.tsv"
    
    # 合并文件
    merge_tsv_files(output_filename)

R统计结果

setwd("D:\\科研助理工作\\data\\10-11")

# 读取第一个表格
group_table <- read.table("group.tsv", header = TRUE, sep = "\t")

# 读取第二个表格
merged_table <- read.table("merged_with_filenames.tsv", header = TRUE, sep = "\t")

# 按照'sample'列进行合并
combined_table <- merge(group_table, merged_table, by = "sample")

# 将合并后的表格保存为新的文件
write.table(combined_table, "combined_output.tsv", sep = "\t", row.names = FALSE)



# 读取文件
data <- read.table("combined_output.tsv", header = TRUE, sep = "\t")

# 安装并加载 plyr 包(如果未安装)
if (!require("plyr")) {
  install.packages("plyr")
  library(plyr)
}

# 按照 k5 和 gene 列分组计算均值和标准差,结果保留两位小数
result <- ddply(data,.(k5, gene), summarise,
                INS_mean = round(mean(INS, na.rm = TRUE), 2),
                INS_sd = round(sd(INS, na.rm = TRUE), 2),
                DEL_mean = round(mean(DEL, na.rm = TRUE), 2),
                DEL_sd = round(sd(DEL, na.rm = TRUE), 2),
                DUP_mean = round(mean(DUP, na.rm = TRUE), 2),
                DUP_sd = round(sd(DUP, na.rm = TRUE), 2),
                INV_mean = round(mean(INV, na.rm = TRUE), 2),
                INV_sd = round(sd(INV, na.rm = TRUE), 2),
                total_mean = round(mean(total, na.rm = TRUE), 2),
                total_sd = round(sd(total, na.rm = TRUE), 2))

# 将结果保存为新的表格
write.table(result, "result_table.tsv", sep = "\t", row.names = FALSE)




# 读取文件
data <- read.table("combined_output.tsv", header = TRUE, sep = "\t")

# 安装并加载 plyr 包(如果未安装)
if (!require("plyr")) {
  install.packages("plyr")
  library(plyr)
}

# 按照 k5 和 gene 列分组计算均值和标准差
result <- ddply(data,.(k5, gene), summarise,
                INS_mean = mean(INS, na.rm = TRUE),
                INS_sd = sd(INS, na.rm = TRUE),
                DEL_mean = mean(DEL, na.rm = TRUE),
                DEL_sd = sd(DEL, na.rm = TRUE),
                DUP_mean = mean(DUP, na.rm = TRUE),
                DUP_sd = sd(DUP, na.rm = TRUE),
                INV_mean = mean(INV, na.rm = TRUE),
                INV_sd = sd(INV, na.rm = TRUE),
                total_mean = mean(total, na.rm = TRUE),
                total_sd = sd(total, na.rm = TRUE))

# 将结果保存为新的表格
write.table(result, "result_table.tsv", sep = "\t", row.names = FALSE)






# 读取文件
data <- read.table("combined_output.tsv", header = TRUE, sep = "\t")

# 安装并加载 plyr 包(如果未安装)
if (!require("plyr")) {
  install.packages("plyr")
  library(plyr)
}

# 定义一个函数来格式化均值和标准差为均值±标准差的形式
format_mean_sd <- function(mean_value, sd_value) {
  return(paste0(round(mean_value, 2), "±", round(sd_value, 2)))
}

# 按照 k5 和 gene 列分组计算均值和标准差,并格式化为均值±标准差
result <- ddply(data,.(k5, gene), summarise,
                INS = format_mean_sd(mean(INS, na.rm = TRUE), sd(INS, na.rm = TRUE)),
                DEL = format_mean_sd(mean(DEL, na.rm = TRUE), sd(DEL, na.rm = TRUE)),
                DUP = format_mean_sd(mean(DUP, na.rm = TRUE), sd(DUP, na.rm = TRUE)),
                INV = format_mean_sd(mean(INV, na.rm = TRUE), sd(INV, na.rm = TRUE)),
                total = format_mean_sd(mean(total, na.rm = TRUE), sd(total, na.rm = TRUE)))

# 将结果保存为新的表格
write.table(result, "result_table3.tsv", sep = "\t", row.names = FALSE, quote = FALSE)
结果
?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 214,100评论 6 493
  • 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 91,308评论 3 388
  • 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 159,718评论 0 349
  • 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 57,275评论 1 287
  • 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 66,376评论 6 386
  • 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 50,454评论 1 292
  • 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 39,464评论 3 412
  • 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 38,248评论 0 269
  • 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 44,686评论 1 306
  • 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 36,974评论 2 328
  • 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 39,150评论 1 342
  • 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 34,817评论 4 337
  • 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 40,484评论 3 322
  • 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 31,140评论 0 21
  • 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 32,374评论 1 267
  • 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 47,012评论 2 365
  • 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 44,041评论 2 351

推荐阅读更多精彩内容