在python中处理"bed“文件

Question

我有一个.bed文件，其中包含1000行，每行中的单词用制表符(\t)分隔。如果我们把每个单词看作一列，那么每一行都有12列。我需要一种将这个.bed文件转换成矩阵的方法，这样我就可以轻松地访问它的列。例如，我需要访问第12列。有什么方法可以做到吗？

我已经试过了：

    import numpy as np
    data = np.genfromtxt("myFile.bed")

但它不能正常工作。有人能帮我吗？

Answer 1

床文件是标准的标签分隔文本文件。将其内容存储在内存中的常用方法是：

content = []
with open("myFile.bed")as f:
    for line in f:
        content.append(line.strip().split())

您可以在这里使用numpy数组而不是列表，或者如果需要，可以用np.asarray转换结果。

实际上，你很少需要它的矩阵，因为它们代表(基因组？)间隔期往往很大。大多数情况下，您在循环中的每一行修改/读取/执行某些函数：

with open("myFile.bed")as f:
    for line in f:
        L = line.strip().split()
        # ... do something with L

否则，熊猫库将实现“数据帧”，如R(但我从未使用过)。

Answer 2

使用吡喃，这是非常简单的

import pyranges as pr

path = pr.get_example_path("aorta.bed")

gr = pr.read_bed(path)
# +--------------+-----------+-----------+------------+-----------+--------------+
# | Chromosome   | Start     | End       | Name       | Score     | Strand       |
# | (category)   | (int32)   | (int32)   | (object)   | (int64)   | (category)   |
# |--------------+-----------+-----------+------------+-----------+--------------|
# | chr1         | 9939      | 10138     | H3K27me3   | 7         | +            |
# | chr1         | 9953      | 10152     | H3K27me3   | 5         | +            |
# | chr1         | 10024     | 10223     | H3K27me3   | 1         | +            |
# | chr1         | 10246     | 10445     | H3K27me3   | 4         | +            |
# | ...          | ...       | ...       | ...        | ...       | ...          |
# | chr1         | 9978      | 10177     | H3K27me3   | 7         | -            |
# | chr1         | 10001     | 10200     | H3K27me3   | 5         | -            |
# | chr1         | 10127     | 10326     | H3K27me3   | 1         | -            |
# | chr1         | 10241     | 10440     | H3K27me3   | 6         | -            |
# +--------------+-----------+-----------+------------+-----------+--------------+
# Stranded PyRanges object has 11 rows and 6 columns from 1 chromosomes.
# For printing, the PyRanges was sorted on Chromosome and Strand.

df = gr.df
#    Chromosome   Start     End      Name  Score Strand
# 0        chr1    9939   10138  H3K27me3      7      +
# 1        chr1    9953   10152  H3K27me3      5      +
# 2        chr1   10024   10223  H3K27me3      1      +
# 3        chr1   10246   10445  H3K27me3      4      +
# 4        chr1  110246  110445  H3K27me3      1      +
# 5        chr1    9916   10115  H3K27me3      5      -
# 6        chr1    9951   10150  H3K27me3      8      -
# 7        chr1    9978   10177  H3K27me3      7      -
# 8        chr1   10001   10200  H3K27me3      5      -
# 9        chr1   10127   10326  H3K27me3      1      -
# 10       chr1   10241   10440  H3K27me3      6      -

Answer 3

个人在安装吡喃时遇到了麻烦。

我从他们的例子中使用了床读器：

from bed_reader import open_bed, sample_file

bed = open_bed("myFile.bed")
val = bed.read()