[python]根据基因提取信息

合并

读取gene文件，该文件是一列基因，然后再读取第二个文件，第七列是基因，第十一列是SV类型。

import sys

def read_gene_list(filename):
    """从文件中读取基因列表"""
    with open(filename, 'r') as file:
        genes = set(line.strip() for line in file)
    return genes

def process_sv_file(genes, sv_filename, output_filename):
    """处理 SV 文件并筛选出基因列表中的基因及其对应的 SV 类型"""
    with open(sv_filename, 'r') as sv_file, open(output_filename, 'w') as output_file:
        for line in sv_file:
            parts = line.strip().split('\t')
            if len(parts) >= 11:  # 确保至少有11列
                gene_part = parts[6]
                for gene in genes:
                    if gene in gene_part:  # 检查第七列是否包含基因列表中的基因
                        sv_type = parts[10]
                        output_file.write(f"{gene}\t{sv_type}\n")
                        break

if __name__ == "__main__":
    if len(sys.argv) != 4:
        print("Usage: python script.py <gene_list_file> <sv_data_file> <output_file>")
        sys.exit(1)

    gene_list_filename = sys.argv[1]
    sv_data_filename = sys.argv[2]
    output_filename = sys.argv[3]

    # 读取基因列表
    genes = read_gene_list(gene_list_filename)

    # 处理 SV 数据文件
    process_sv_file(genes, sv_data_filename, output_filename)

    print("处理完成！")

统计每个基因受SV影响的数量

import sys

def read_gene_list(filename):
    """从文件中读取基因列表"""
    with open(filename, 'r') as file:
        genes = [line.strip() for line in file]
    return genes

def process_sv_file(genes, sv_filename, output_filename):
    """处理 SV 文件并筛选出基因列表中的基因及其对应的 SV 类型"""
    gene_counts = {gene: 0 for gene in genes}  # 初始化所有基因的计数为 0
    with open(sv_filename, 'r') as sv_file, open(output_filename, 'w') as output_file:
        for line in sv_file:
            parts = line.strip().split('\t')
            if len(parts) >= 11:  # 确保至少有11列
                gene_part = parts[6]
                for gene in genes:
                    if gene in gene_part:  # 检查第七列是否包含基因列表中的基因
                        sv_type = parts[10]
                        gene_counts[gene] += 1  # 更新计数
                        break

        # 按照基因列表的顺序输出所有基因及其计数
        for gene in genes:
            output_file.write(f"{gene}\t{gene_counts[gene]}\n")

if __name__ == "__main__":
    if len(sys.argv) != 4:
        print("Usage: python script.py <gene_list_file> <sv_data_file> <output_file>")
        sys.exit(1)

    gene_list_filename = sys.argv[1]
    sv_data_filename = sys.argv[2]
    output_filename = sys.argv[3]

    # 读取基因列表
    genes = read_gene_list(gene_list_filename)

    # 处理 SV 数据文件
    process_sv_file(genes, sv_data_filename, output_filename)

    print("处理完成！")

cat all|while read id
do
python wo1.py gene ../$id x_g_diff2/$id
done

合并结果：

import os
import csv

def merge_tsv_files(output_filename):
    """合并当前目录下的所有 TSV 文件到一个新的 TSV 文件中，并保留文件名作为额外一列"""
    
    # 获取当前目录下的所有文件
    files = os.listdir('.')
    
    # 过滤出 TSV 文件
    tsv_files = [f for f in files if f.endswith('.tsv')]
    
    # 如果没有找到任何 TSV 文件，则返回
    if not tsv_files:
        print("没有找到 TSV 文件。")
        return
    
    # 写入头部信息（假设所有文件的头部都相同）
    header_written = False

    with open(output_filename, 'w', newline='') as outfile:
        writer = csv.writer(outfile, delimiter='\t')

        for filename in tsv_files:
            with open(filename, 'r') as infile:
                reader = csv.reader(infile, delimiter='\t')
                
                # 只写入一次头部信息
                if not header_written:
                    header = next(reader)
                    # 添加文件名列
                    header.append('File_Name')
                    writer.writerow(header)
                    header_written = True
                
                # 写入数据行
                for row in reader:
                    # 添加文件名作为最后一列
         #           row.append(filename)
          #          writer.writerow(row)
    
    print(f"文件已成功合并到 {output_filename}")

if __name__ == "__main__":
    # 指定输出文件名
    output_filename = "merged_with_filenames.tsv"
    
    # 合并文件
    merge_tsv_files(output_filename)