有没有办法使用Samtools将整个“对齐字段/列”保存到一个NumPy数组中？

Question

在SAM格式中，每条对齐线表示线段的线性对齐，每条线有11个必填字段，即QNAME、FLAG、RNAME、POS、MAPQ等。

假设我想要一个包含给定BAM文件中所有"QNAMES“的NumPy数组。或者，可以获取几列并将它们导入到Pandas Dataframe中。

使用pysam可以实现此功能吗？

用户可以很自然地使用pysam.AlignmentFile()打开给定的BAM文件，然后使用pysam.AlignmentSegment()访问各个段，例如

seg = AlignmentSegment()
print(seg.qname)

但是，您可以将所有的QNAMES保存到NumPy数组中吗？

Answer 1

是的，这是可行的。请注意，在使用pysam从BAM文件导入读取内容时，最好使用fetch()函数，该函数在BAM文件中的所有读取内容(pysam.AlignmentSegment()对象)上创建迭代器。然后使用query_name函数检索QNAME：

import pysam
import numpy as np

my_bam_file = '/path/to/your/bam_file.bam'
imported = pysam.AlignmentFile(my_bam_file, mode = 'rb')
bam_it = imported.fetch(until_eof = True)
# Use head(n) instead of fetch(), if you only want to retrieve the first 'n' reads
qnames = [read.query_name for read in bam_it]

这里，qnames是BAM文件中所有QNAME的列表。如果您坚持要获取NumPy数组，只需在末尾添加以下行：

qnames = np.asarray(qnames)

Answer 2

# pip install pyranges 
# or 
# conda install -c bioconda pyranges

import pyranges
bam_df = pyranges.read_bam(f, sparse=False, as_df=True, mapq=0, required_flag=0, filter_flag=1540)