用 biopython 重命名交错的 fastq headers

Question

为了便于使用和与另一个下游管道兼容，我正在尝试使用 biopython 更改 fastq 序列 ID 的名称。例如...从 headers 开始，看起来像这样：

@D00602:32:H3LN7BCXX:1:1101:1205:2112 OP:i:1
@D00602:32:H3LN7BCXX:1:1101:1205:2112 OP:i:2
@D00602:32:H3LN7BCXX:1:1101:1182:2184 OP:i:1
@D00602:32:H3LN7BCXX:1:1101:1182:2184 OP:i:2

致 header 看起来像这样的人：

@000000000000001  OP:i:1
@000000000000001  OP:i:2
@000000000000002  OP:i:1
@000000000000002  OP:i:2

我有一些代码，但我似乎无法得到交替的 header 倒计时（即 1、1、2、2、3、3 等）

如有任何帮助，我们将不胜感激。谢谢。

from Bio import SeqIO
import sys

FILE = sys.argv[1]

#Initialize numbering system at one
COUNT = 1

#Create a new dictionary for new sequence IDs
new_records=[]

for seq_record in SeqIO.parse(FILE, "fastq"):
        header = '{:0>15}'.format(COUNT)
        COUNT += 1
        print(header)
        seq_record.description = 
seq_record.description.replace(seq_record.id, "")
        seq_record.id = header
        new_records.append(seq_record)
SeqIO.write(new_records, FILE, "fastq")

*seq_record不包含"OP:i:1"信息

Answer 1

假设您想要复制所有标签，您所要做的就是将计数除以重复的数量，然后 return 值向下舍入，如下所示。

from Bio import SeqIO
import sys

FILE = sys.argv[1]

#Initialize numbering system at one
COUNT = 0

#Create a new dictionary for new sequence IDs
new_records=[]

for seq_record in SeqIO.parse(FILE, "fastq"):
        header = '{:0>15}'.format(COUNT//2+1)
        COUNT += 1
        print(header)
        seq_record.description = 
seq_record.description.replace(seq_record.id, "")
        seq_record.id = header
        new_records.append(seq_record)
SeqIO.write(new_records, FILE, "fastq")

用 biopython 重命名交错的 fastq headers

Renaming interleaved fastq headers with biopython

python

replace

bioinformatics

biopython

fastq