用python脚本将DNA序列的.fa文件格式转换为.npy

2024-02-26 04:38

本文主要是介绍用python脚本将DNA序列的.fa文件格式转换为.npy,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 #.fa 文件转换为 .npy之后作为DL学习的原始数据

# from .fa gettig npy(train/valid/test)
import os 
import numpy as nppath = os.getcwd()
#################get the ENHANCER proper .fa file#################
enh_list = []
f_enh = open(path+'/'+'C_10K_GM12878.csv_enhancer.fa','r') #-***- enhancer.fa -***- #
for line in f_enh.readlines():line = line.strip("/n")enh_list.append(line)
f_enh.close()
enh_list = enh_list[0:1610]   #16106 - 6 is the the time of 10
def Data_Set_enh(tr_enh_num,va_enh_num,te_enh_num): #0.8/0.1/0.1enh_tr_num = tr_enh_num  * len(enh_list)enh_va_num = va_enh_num  * len(enh_list)enh_te_num = te_enh_num  * len(enh_list)enh_tr = enh_list[0:enh_tr_num]enh_va = enh_list[enh_tr_num:enh_tr_num+enh_va_num] enh_te = enh_list[enh_tr_num+enh_va_num:]return enh_tr,enh_va,enh_te################get the PROMOTER proper .fa file################
pro_list = []
f_pro  = open(path+'/'+'C_10K_GM12878.csv_promoter.fa','r') #-***- promoter.fa -***- #
for line in f_pro.readlines():line = line.strip("/n")pro_list.append(line)
f_pro.close()
pro_list = pro_list[0:1610]   #16106 - 6 is the the time of 10
def Data_Set_pro(tr_pro_num,va_pro_num,te_pro_num): #0.8/0.1/0.1pro_tr_num = tr_pro_num  * len(pro_list)pro_va_num = va_pro_num  * len(pro_list)pro_te_num = te_pro_num  * len(pro_list)pro_tr = enh_list[0:pro_tr_num]pro_va = enh_list[pro_tr_num:pro_tr_num+pro_va_num] pro_te = enh_list[pro_tr_num+pro_va_num:]return pro_tr,pro_va,pro_te##########-*- get the Neg_example proper .fa file -*-##########
neg_list = []
f_neg  = open(path+'/'+'C_GM12878_neg_exampl.fa','r')          #  -***- Neg.fa -***- #
for line in f_neg.readlines():line = line.strip("/n")neg_list.append(line)
f_neg.close()enh_neg_list = neg_list[0:1610]   #16106 - 6 is the the time of 10
def Data_Set_enh_neg(tr_enh_neg_num,va_enh_neg_num,te_enh_neg_num): #0.8/0.1/0.1enh_neg_tr_num = tr_enh_neg_num  * len(enh_neg_list)enh_neg_va_num = va_enh_neg_num  * len(enh_neg_list)enh_neg_te_num = te_enh_neg_num  * len(enh_neg_list)enh_neg_tr = enh_neg_list[0:enh_neg_tr_num]enh_neg_va = enh_neg_list[enh_neg_tr_num:enh_neg_tr_num+enh_neg_va_num] enh_neg_te = enh_neg_list[enh_neg_tr_num+enh_neg_va_num:]return  enh_neg_tr,enh_neg_va,enh_neg_tepro_neg_list = neg_list[1610:1610*2]   #(16106 --2 *16100)
def Data_Set_pro_neg(tr_pro_neg_num,va_pro_neg_num,te_pro_neg_num): #0.8/0.1/0.1pro_neg_tr_num = tr_pro_neg_num  * len(pro_neg_list)pro_neg_va_num = va_pro_neg_num  * len(pro_neg_list)pro_neg_te_num = te_pro_neg_num  * len(pro_neg_list)pro_neg_tr = pro_neg_list[0:pro_neg_tr_num]pro_neg_va = pro_neg_list[pro_neg_tr_num:pro_neg_tr_num+pro_neg_va_num] pro_neg_te = pro_neg_list[pro_neg_tr_num+pro_neg_va_num:]return pro_neg_tr,pro_neg_va,pro_neg_te###########################################################################	
enh_tr,enh_va,enh_te = Data_Set_enh(0.8,0.1,0.1)
pro_tr,pro_va,pro_te = Data_Set_pro(0.8,0.1,0.1)
enh_neg_tr,enh_neg_va,enh_neg_te = Data_Set_enh_neg(0.8,0.1,0.1)
pro_neg_tr,pro_neg_va,pro_neg_te = Data_Set_pro_neg(0.8,0.1,0.1)enh_tr.extend(enh_neg_tr)
enh_va.extend(enh_neg_va)
enh_te.extend(enh_neg_te)pro_tr.extend(pro_neg_tr)
pro_va.extend(pro_neg_va)
pro_te.extend(pro_neg_te)Enh_train,Enh_valid,Enh_test = enh_tr,enh_va,enh_te
Pro_train,Pro_valid,Pro_test = pro_tr,pro_va,pro_tedef get_seq(x,empty_list):    # x is equal the list (Enh_train,Enh_valid,Enh_test...)empty_list = []for i in range(len(x)//2):empty_list.append(x[2*i+1])	return empty_list# get all the type of list in seq (positive + negative examples)	
Enh_train_seq = get_seq(Enh_train,Enh_train_seq)
Enh_valid_seq = get_seq(Enh_valid,Enh_valid_seq)
Enh_test_seq = get_seq(Enh_test,Enh_test_seq)
Pro_train_seq = get_seq(Pro_train,Pro_train_seq)
Pro_valid_seq = get_seq(Pro_valid,Pro_valid_seq)
Pro_test_seq = get_seq(Pro_test,Pro_test_seq)#-*-# get the shuffle of input_seq and their label ("same shuffle") #-*-#  
def Data_npy_label(input_seq_1,inupt_seq_2):    # seq_1 must match with seq_2!!!!!a_1,a_2 = input_seq_1,input_seq_2N_1 = np.zeros((len(a_1),len(a_1[0]),4,1),dtype=np.float32)N_2 = np.zeros((len(a_2),len(a_2[0]),4,1),dtype=np.float32)for j in range(len(a_1)):for i in range(len(a_1[0])):if a_1[j][i] == 'A':N_1[j][i][0][:] = 1elif a_1[j][i] =='T':N_1[j][i][1][:] = 1elif a_1[j][i] == 'G':N_1[j][i][2][:] = 1elif a_1[j][i] == 'C':N_1[j][i][3][:] = 1for k in range(len(a_2)):for t in range(len(a_2[0])):if a_2[k][t] == 'A':N_2[k][t][0][:] = 1elif a_2[k][t] =='T':N_2[k][t][1][:] = 1elif a_2[k][t] == 'G':N_2[k][t][2][:] = 1elif a_2[k][t] == 'C':N_2[k][t][3][:] = 1label_1 = [1]*(len(a_1)//2) + [0]*(len(a_1)//2)label_array_1 = np.array(label_1)label_2 = [1]*(len(a_2)//2) + [0]*(len(a_2)//2)label_array_2 = np.array(label_2)shuffle_index = np.arange(len(a_1))  # It is easy to know len(a_1) = len(a_2)np.random.shuffle(shuffle_index)     #shuffle  it !!!N_1 = N_1[shuffle_index]label_array_1 = label_array_1[shuffle_index]N_2 = N_2[shuffle_index]label_array_2 = label_array_2[shuffle_index]return N_1,label_array_1,N_2,label_array_2 Enh_train_npy,Enh_train_label,Pro_train_npy,Pro_train_label = Data_npy_label(Enh_train_seq,Pro_train_seq)
Enh_valid_npy,Enh_valid_label,Pro_valid_npy,Pro_valid_label = Data_npy_label(Enh_valid_seq,Pro_valid_seq)
Enh_test_npy,Enh_test_label,Pro_test_npy,Pro_test_label = Data_npy_label(Enh_test_seq,Pro_valid_seq)np.save('Enh_train.npy',Enh_train_npy)
np.save('Enh_train_label.npy',Enh_train_label)
np.save('Pro_train.npy',Pro_train_npy)
np.save('Pro_train_label.npy',Pro_train_label)np.save('Enh_valid.npy',Enh_valid_npy)
np.save('Enh_valid_label.npy',Enh_valid_label)
np.save('Pro_valid.npy',Pro_valid_npy)
np.save('Pro_valid_label.npy',Pro_valid_label)np.save('Enh_test.npy',Enh_test_npy)
np.save('Pro_test_label.npy',Enh_test_label)
np.save('Enh_test_label.npy',Pro_test_npy)
np.save('Pro_test_label.npy',Pro_test_label)

 

这篇关于用python脚本将DNA序列的.fa文件格式转换为.npy的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/747733

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

uva 10131 最长子序列

题意: 给大象的体重和智商,求体重按从大到小,智商从高到低的最长子序列,并输出路径。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vect

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

Linux服务器Java启动脚本

Linux服务器Java启动脚本 1、初版2、优化版本3、常用脚本仓库 本文章介绍了如何在Linux服务器上执行Java并启动jar包, 通常我们会使用nohup直接启动,但是还是需要手动停止然后再次启动, 那如何更优雅的在服务器上启动jar包呢,让我们一起探讨一下吧。 1、初版 第一个版本是常用的做法,直接使用nohup后台启动jar包, 并将日志输出到当前文件夹n

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

POJ1631最长单调递增子序列

最长单调递增子序列 import java.io.BufferedReader;import java.io.InputStream;import java.io.InputStreamReader;import java.io.PrintWriter;import java.math.BigInteger;import java.util.StringTokenizer;publ