我正在尝试制作一个程序，该程序将标识包含CDS的SNP。它从两个文件填充两个字典，一个包含SNP，另一个包含GFF3文件。从GFF3文件填充的一则字典包含CDS名称以及它们作为元组的位置。
一个例子：
cds_pos = {'PRELSG_0019500_6': ('2091320', '2092988'), 'PRELSG_1338600_3': ('1542760','1542853'), 'PRELSG_0013000_1': ('1275531', '1275568')}
另一个字典包含染色体和SNP的位置，例如。
chrom_pos = {'PRELSG_13_v1': {'272093', '964287', '844454', '65770', '336211', '36660'}, 'PRELSG_12_v1': {'1270177', '1368630'}}
我的想法是遍历两个字典并进行成对比较，看看是否在CDS的间隔中找到了SNP位置。我尝试了下面的代码，但似乎没有用。
for chrom, snp_pos in chrom_pos.items():
for cds, pos in cds_pos.items():
if pos[0] <= str(snp_pos) <= pos[1]:
print(cds)
print(snp_pos)
对于我发现不起作用的事情。首先，没有什么满足区间if语句。其次，由于可以在多个染色体上找到SNP的位置，因此需要考虑这一点，我尝试使用chrom ==基因声明。但这似乎不起作用。
对于必须进行的任何想法和评论，我们将非常高兴。谢谢
编辑：
到目前为止，我的脚本看起来像：
cds_snp = defaultdict(set)
for chrom, snp_pos in chrom_pos.items():
for cds, pos in cds_pos.items():
ed_chrom = chrom[:9]
ed_cds = cds[:9]
if ed_cds == ed_chrom:
for i in snp_pos: # Iterate through the set of snp positions
if int(pos[0]) <= int(i) <= int(pos[1]):
cds_snp[cds].add(i)
for i,j in sorted(cds_snp.items()):
print(i)
print('\n'.join(j))
我必须找到一种方法来评估输出是否正确，但似乎是可行的。
最佳答案
为了使此代码正常工作，需要解决一些问题：
由于可以在多个染色体上找到SNP的位置，因此需要考虑这一点，我尝试使用chrom == gene语句。
您正在尝试将SNP与CDS中的位置链接。但是，您似乎没有CDS位置的染色体（只是名称）。在您发布的示例中，您的CDS名称为'PRELSG_0019500_6', 'PRELSG_1338600_3', 'PRELSG_0013000_1'，染色体名称为'PRELSG_10_v1', 'PRELSG_12_v1'。这些都不是匹配的情况，老实说，它们看起来像是具有不同的格式，并且您永远不会遇到chrom == gene
CDS名称中是否存在一些识别信息，这些信息可以告诉您它位于哪个染色体上？如果存在，则可以从染色体名称中提取染色体编号（即从“ PRELSG_12_v1”中提取12个染色体编号），并将其与从CDS名称中提取的染色体编号进行比较。
没有什么可以满足区间if语句
通过这种方式，我假设您的意思是if pos[0] <= str(snp_pos) <= pos[1]:行
有一个简单的解释说明为什么它不起作用。首次从字典中提取特征时：
for chrom, snp_pos in chrom_pos.items():
for gene, pos in gene_pos.items():
您提取
snp_pos。这不是个人职位，而是一组职位。要遍历各个位置，您可以添加另一个循环：for snpPos in snp_pos:
最后，为了正确起见，最好将您的interval语句保持为整数。即写为
if int(pos[0]) <= int(snpPos) <= int(pos[1]):
关于python - 将SNP映射到CDS的Python脚本，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43325602/