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

Python3脚本实现Excel与TXT的智能转换

《Python3脚本实现Excel与TXT的智能转换》在数据处理的日常工作中,我们经常需要将Excel中的结构化数据转换为其他格式,本文将使用Python3实现Excel与TXT的智能转换,需要的可以... 目录场景应用:为什么需要这种转换技术解析:代码实现详解核心代码展示改进点说明实战演练:从Excel到

Python中常用的四种取整方式分享

《Python中常用的四种取整方式分享》在数据处理和数值计算中,取整操作是非常常见的需求,Python提供了多种取整方式,本文为大家整理了四种常用的方法,希望对大家有所帮助... 目录引言向零取整(Truncate)向下取整(Floor)向上取整(Ceil)四舍五入(Round)四种取整方式的对比综合示例应

python 3.8 的anaconda下载方法

《python3.8的anaconda下载方法》本文详细介绍了如何下载和安装带有Python3.8的Anaconda发行版,包括Anaconda简介、下载步骤、安装指南以及验证安装结果,此外,还介... 目录python3.8 版本的 Anaconda 下载与安装指南一、Anaconda 简介二、下载 An

Python自动化处理手机验证码

《Python自动化处理手机验证码》手机验证码是一种常见的身份验证手段,广泛应用于用户注册、登录、交易确认等场景,下面我们来看看如何使用Python自动化处理手机验证码吧... 目录一、获取手机验证码1.1 通过短信接收验证码1.2 使用第三方短信接收服务1.3 使用ADB读取手机短信1.4 通过API获取

python安装whl包并解决依赖关系的实现

《python安装whl包并解决依赖关系的实现》本文主要介绍了python安装whl包并解决依赖关系的实现,文中通过图文示例介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 目录一、什么是whl文件?二、我们为什么需要使用whl文件来安装python库?三、我们应该去哪儿下

Python脚本实现图片文件批量命名

《Python脚本实现图片文件批量命名》这篇文章主要为大家详细介绍了一个用python第三方库pillow写的批量处理图片命名的脚本,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言源码批量处理图片尺寸脚本源码GUI界面源码打包成.exe可执行文件前言本文介绍一个用python第三方库pi

Python中多线程和多进程的基本用法详解

《Python中多线程和多进程的基本用法详解》这篇文章介绍了Python中多线程和多进程的相关知识,包括并发编程的优势,多线程和多进程的概念、适用场景、示例代码,线程池和进程池的使用,以及如何选择合适... 目录引言一、并发编程的主要优势二、python的多线程(Threading)1. 什么是多线程?2.

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

Python自动化Office文档处理全攻略

《Python自动化Office文档处理全攻略》在日常办公中,处理Word、Excel和PDF等Office文档是再常见不过的任务,手动操作这些文档不仅耗时耗力,还容易出错,幸运的是,Python提供... 目录一、自动化处理Word文档1. 安装python-docx库2. 读取Word文档内容3. 修改

Python重命名文件并移动到对应文件夹

《Python重命名文件并移动到对应文件夹》在日常的文件管理和处理过程中,我们可能会遇到需要将文件整理到不同文件夹中的需求,下面我们就来看看如何使用Python实现重命名文件并移动到对应文件夹吧... 目录检查并删除空文件夹1. 基本需求2. 实现代码解析3. 代码解释4. 代码执行结果5. 总结方法补充在