如何使用pysam.view模拟samtools视图的所有功能

Question

我正在尝试使用pysam.view()从BAM文件中过滤出某些对齐。我面临的问题是如何在过滤器中包含几个区域。

pysam.view()模拟samtools视图命令，该命令允许用户进入由空格字符分隔的几个区域，例如：

samtools view opts bamfile chr1:2010000-20200000 chr2:2010000-20200000 

但是对应的pysam.view调用：

pysam.view(ops, bamfile, '1:2010000-20200000 2:2010000-20200000')

不起作用。它不返回任何路线。我很确定问题出在如何指定区域列表，因为下面的命令可以很好地工作：

pysam.view(ops, bamfile, '1:2010000-20200000')

并返回对齐。

我的问题是: pysam.view支持多个区域吗?如何指定这个列表？我已经搜索了与此相关的文档，但没有找到任何东西。

Answer 1

对你的问题的简短回答是，你要使用的格式是

pysam.view(ops, bamfile, '1:2010000-20200000','2:2010000-20200000')

(还要注意，表示每个区域结束的数字比开始时大了大约10倍-看起来您可能打算使用2010000-2020000。)

我已经使用以下代码对其进行了测试：

import pysam

my_bam_file = '/path/to/my/bam_file.bam'
alignments1 = pysam.view(my_bam_file, '1:2010000-4000000')
alignments2 = pysam.view(my_bam_file, '1:5000000-6000000')
alignments3 = pysam.view(my_bam_file, '1:2010000-4000000', '1:5000000-6000000')

print(len(alignments1) + len(alignments2) == len(alignments3))

[Output:] True

但是，这种提取对齐的方法效率不是很高，因为您得到的输出是一个大的str，而不是单个对齐。要获取单独路线的list，请使用以下代码：

import pysam

my_bam_file = '/path/to/my/bam_file.bam'
imported = pysam.AlignmentFile(my_bam_file, mode = 'rb')
regions = ('1:2010000-20200000','2:2010000-20200000')
alignments = []
for region in regions:
    bam = imported.fetch(region = region, until_eof = True)
    alignments.extend([alignment for alignment in bam])

然后，alignment的每个元素最终成为一个pysam.AlignedSegment对象，您可以使用pysam API中的函数进一步使用该对象。