通过列表列表排序以查找共享变体

Question

我有一个名为 allLinesList 的列表列表，allLinesList 的每一行包含四个列表。这是 allLinesList

中的两行

[[['ACmerged_contig_10464', '668', '.', 'A', 'G', '3.87133', '.', 'DP=1;SGB=-0.379885;MQ0F=0;AC=0;AN=2;DP4=0,0,0,1;MQ=28', 'GT:PL', '0/0:28,3,0'], ['ACmerged_contig_10464', '668', '.', 'A', 'G', '3.87133', '.', 'DP=1;SGB=-0.379885;MQ0F=0;AC=0;AN=2;DP4=0,0,0,1;MQ=28', 'GT:PL', '0/0:28,3,0'], ['ACmerged_contig_10464', '747', '.', 'T', '.', '84', '.', 'DP=2;MQ0F=0;AN=2;DP4=0,2,0,0;MQ=32', 'GT', '0/0'], ['ACmerged_contig_10464', '747', '.', 'T', '.', '84', '.', 'DP=2;MQ0F=0;AN=2;DP4=0,2,0,0;MQ=32', 'GT', '0/0']],
[['ACmerged_contig_10464', '4', '.', 'T', '.', '29.5864', '.', 'DP=1;MQ0F=0;AN=0;DP4=0,0,0,0;MQ=.', 'GT', './.'], ['ACmerged_contig_10464', '4', '.', 'T', '.', '29.5864', '.', 'DP=1;MQ0F=0;AN=0;DP4=0,0,0,0;MQ=.', 'GT', './.'], ['ACmerged_contig_10464', '4', '.', 'T', '.', '29.5864', '.', 'DP=1;MQ0F=0;AN=0;DP4=0,0,0,0;MQ=.', 'GT', './.'], ['ACmerged_contig_10464', '4', '.', 'T', '.', '29.5864', '.', 'DP=1;MQ0F=0;AN=0;DP4=0,0,0,0;MQ=.', 'GT', './.']]]

allLinesList 总共有几千行。

我想遍历 allLinesList 中的所有这些行，并挑出特定内部列表与其第 5 项共享相同字符的行，只要该字符不是 '.' .一旦我确定了这样的行，我就会将该行的第一项放入单独的列表中。

例如，在上面的第一个列表中，前两个内部列表共享 'G' 作为它们的第 5 个项目。因此，我想将这些列表之一输出到另一个列表。这将创建另一个列表列表，但只有两层列表，而不是像我的示例那样的三层列表。

我有可以执行此操作的代码，但我认为必须有更有效的方法来执行此操作，也许是使用循环，但我还没有弄清楚。这是我当前的代码：

sharedLists1_2 = []
i = 0
while i < len(allLinesList):
    if allLinesList[i][0][4] != "." and allLinesList[i][0][4] == allLinesList[i][1][4] and allLinesList[i][1][4] != allLinesList[i][2][4] and allLinesList[i][1][4] != allLinesList[i][3][4]:
        sharedLists1_2.append(allLinesList[i][1])
    i +=1

目前，我运行这个代码的版本 6 次，以获得我列表中四个项目的所有成对组合 ((1,2), (2,3), (3,4), (1,4), (1,3), (2,4)）。

我怎样才能以更有效的方式获得相同的结果，而不是我输入这段代码，但使用不同的数字，6 次？

Answer 1

你可以试试itertools.combinations。遍历所有 2 元素组合并检查您的条件。如果匹配，您可以将结果附加到存储每个索引对结果的字典中

要检查其余列表的值是否相同（给定组合的 i、j 除外），您可以在迭代时使用 all剩余指数：

from itertools import combinations

shared_lists = {}    

for line in allLinesList:
    indices = set(range(len(line)))
    for i, j in combinations(range(len(line)), 2):
        remaining = indices - {i, j}
        if line[i][4] != "." and line[i][4] == line[j][4] and all(line[i][4] != line[x][4] for x in remaining):
            shared_lists.setdefault((i, j), []).append(line[j])

print(shared_lists)

输出

{(0, 1): [['ACmerged_contig_10464', '668', '.', 'A', 'G', '3.87133', '.', 'DP=1;SGB=-0.379885;MQ0F=0;AC=0;AN=2;DP4=0,0,0,1;MQ=28', 'GT:PL', '0/0:28,3,0']]}

通过列表列表排序以查找共享变体

sorting through lists of lists to find shared variants

python

list

bioinformatics