为生信写的Python简明教程 | 视频5
开源生信 Python教程
源码在：https://github.com/Tong-Chen/Bioinfo_course_python
-
背景介绍
-
编程开篇
-
为什么学习Python
-
如何安装Python
-
如何运行Python命令和脚本
-
使用什么编辑器写Python脚本
-
-
Python程序事例
-
Python基本语法
-
数值变量操作
-
字符串变量操作
-
列表操作
-
集合操作
-
Range使用
-
字典操作
-
层级缩进
-
变量、数据结构、流程控制
-
-
输入输出
-
交互式输入输出
-
文件读写
-
-
实战练习（一）
-
背景知识
-
生信相关作业(一)
-
-
函数操作
-
函数操作
-
生信相关作业（二）
-
-
模块
-
命令行参数
-
命令行参数
-
生信相关作业（三）
-
-
更多Python内容
-
单语句块
-
列表综合，生成新列表的简化的for循环
-
lambda, map, filer, reduce (保留节目)
-
exec, eval (执行字符串python语句, 保留节目)
-
正则表达式
-
Python画图
-
-
Reference
一些练习题
-
给定FASTA格式的文件(test1.fa 和 test2.fa)，写一个程序
cat.py读入文件，并输出到屏幕 (2分)
-
open(file)
-
for .. in loop
-
print()
-
strip() function
-
用到的知识点
给定FASTQ格式的文件(test1.fq), 写一个程序 cat.py 读入文件，并输出到屏幕 (2分)
-
同上
-
用到的知识点
写程序 splitName.py, 读入test2.fa, 并取原始序列名字第一个空格前的名字为处理后的序列名字，输出到屏幕 (2分)
-
split
-
字符串的索引
-
用到的知识点
-
输出格式为：
>NM_001011874
gcggcggcgggcgagcgggcgctggagtaggagctg.......
写程序 formatFasta.py, 读入test2.fa，把每条FASTA序列连成一行然后输出 (2分)
-
join
-
strip
-
用到的知识点
-
输出格式为:
>NM_001011874
gcggcggcgggc......TCCGCTG......GCGTTCACC......CGGGGTCCGGAG
写程序 formatFasta-2.py, 读入test2.fa，把每条FASTA序列分割成80个字母一行的序列 (2分)
-
字符串切片操作
-
range
-
用到的知识点
-
输出格式为
>NM_001011874
gcggcggcgc.(60个字母).TCCGCTGACG #(每行80个字母)
acgtgctacg.(60个字母).GCGTTCACCC
ACGTACGATG(最后一行可不足80个字母)
写程序 sortFasta.py, 读入test2.fa, 并取原始序列名字第一个空格前的名字为处理后的序列名字，排序后输出 (2分)
-
sort
-
dict
-
aDict[key] = []
-
aDict[key].append(value)
-
用到的知识点
提取给定名字的序列 (2分)
-
用到的知识点
-
print >>fh, or fh.write()
-
取模运算，4 % 2 == 0
-
写程序
grepFasta.py, 提取fasta.name中名字对应的test2.fa的序列，并输出到屏幕。 -
写程序
grepFastq.py, 提取fastq.name中名字对应的test1.fq的序列，并输出到文件。
写程序 screenResult.py, 筛选test.expr中foldChange大于2的基因并且padj小于0.05的基，可以输出整行或只输出基因名字。(4分)
-
逻辑与操作符 and
-
文件中读取的内容都为字符串，需要用int转换为整数，float转换为浮点数
-
用到的知识点
写程序 transferMultipleColumToMatrix.py 将文件(multipleColExpr.txt)中基因在多个组织中的表达数据转换为矩阵形式，并绘制热图。(6分)
-
aDict[‘key’] = {}
-
aDict[‘key’][‘key2’] = value
-
if key not in aDict
-
aDict = {‘ENSG00000000003’: {“A-431”: 21.3, “A-549”, 32.5,…},”ENSG00000000003”:{},}
-
用到的知识点
-
输入格式(只需要前3列就可以)
Gene Sample Value Unit Abundance
ENSG00000000003 A-431 21.3 FPKM Medium
ENSG00000000003 A-549 32.5 FPKM Medium
ENSG00000000003 AN3-CA 38.2 FPKM Medium
ENSG00000000003 BEWO 31.4 FPKM Medium
ENSG00000000003 CACO-2 63.9 FPKM High
ENSG00000000005 A-431 0.0 FPKM Not detected
ENSG00000000005 A-549 0.0 FPKM Not detected
ENSG00000000005 AN3-CA 0.0 FPKM Not detected
ENSG00000000005 BEWO 0.0 FPKM Not detected
ENSG00000000005 CACO-2 0.0 FPKM Not detected -
输出格式
Name A-431 A-549 AN3-CA BEWO CACO-2
ENSG00000000460 25.2 14.2 10.6 24.4 14.2
ENSG00000000938 0.0 0.0 0.0 0.0 0.0
ENSG00000001084 19.1 155.1 24.4 12.6 23.5
ENSG00000000457 2.8 3.4 3.8 5.8 2.9
写程序 reverseComplementary.py计算序列 ACGTACGTACGTCACGTCAGCTAGAC的反向互补序列。(2分)
-
reverse
-
list(seq)
-
用到的知识点
写程序 collapsemiRNAreads.py转换smRNA-Seq的测序数据。(5分)
-
输入文件格式(mir.collapse, tab-分割的两列文件，第一列为序列，第二列为序列被测到的次数)
ID_REF VALUE
ACTGCCCTAAGTGCTCCTTCTGGC 2
ATAAGGTGCATCTAGTGCAGATA 25
TGAGGTAGTAGTTTGTGCTGTTT 100
TCCTACGAGTTGCATGGATTC 4 -
输出文件格式 (mir.collapse.fa, 名字的前3个字母为样品的特异标示，中间的数字表示第几条序列，是序列名字的唯一标示，第三部分是x加每个reads被测到的次数。三部分用下划线连起来作为fasta序列的名字。)
>ESB_1_x2
ACTGCCCTAAGTGCTCCTTCTGGC
>ESB_2_x25
ATAAGGTGCATCTAGTGCAGATA
>ESB_3_x100
TGAGGTAGTAGTTTGTGCTGTTT
>ESB_4_x4
TCCTACGAGTTGCATGGATTC
简化的短序列匹配程序 (map.py) 把short.fa中的序列比对到ref.fa, 输出短序列匹配到ref.fa文件中哪些序列的哪些位置。(10分)
-
find
-
用到的知识点
-
输出格式 (输出格式为bed格式，第一列为匹配到的染色体，第二列和第三列为匹配到染色体序列的起始终止位置（位置标记以0为起始，代表第一个位置；终止位置不包含在内，第一个例子中所示序列的位置是(199,208](前闭后开，实际是chr1染色体第199-206的序列，0起始). 第4列为短序列自身的序列.)。
-
附加要求：可以只匹配到给定的模板链，也可以考虑匹配到模板链的互补链。这时第5列可以为短序列的名字，第六列为链的信息，匹配到模板链为’+’，匹配到互补链为’-‘。注意匹配到互补链时起始位置也是从模板链的5’端算起的。
chr1 199 208 TGGCGTTCA
chr1 207 216 ACCCCGCTG
chr2 63 70 AAATTGC
chr3 0 7 AATAAAT
《流畅的Python》作者卢西亚诺·拉马略（Luciano Ramalho） 是Thoughtworks 首席咨询师、Python 软件基金会成员、巴西知名 Python 语言学习社区 Python Brasil 联合创始人。拥有 25 年 Python 编程经验，他的《流畅的Python》是编程领域经典作品，影响近 8 万读者，基于Python 3.10，内容详尽，精心设计的代码示例有近 500 段！还有大量的图和表，简直对学习真的太友好了！。
具体看ChatGPT的评价：
往期精品(点击图片直达文字对应教程)
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
|
|
|
后台回复“ 生信宝典福利第一波 ”或点击 阅读原文 获取教程合集
