二代测序数据根据barcode分组
当我们拿到的二代测序数据的数据量非常庞大时，我们怎么对其进行分组呢，今天小云来带你探索其中的奥妙。
二代测序数据经过fastp软件筛选之后我们就得到了成千上万条如图所示的序列，每组序列我们都在它的前端添加相同的barcode如图中红色标记所示，这样我们就可以用遍历的方式将相同组的序列放在一起。
因为双端测序存在反向互补的问题，所以首先我们先定义一个反向互补的函数。
#互补函数
def complement(sequence):
sequence = sequence.upper()
sequence = sequence.replace('A', 't')
sequence = sequence.replace('T', 'a')
sequence = sequence.replace('C', 'g')
sequence = sequence.replace('G', 'c')
return sequence.upper()
#反向函数
def reverse(sequence):
sequence = sequence.upper()
return sequence[::-1]
#反向互补函数
def complement_reverse(sequence):
return complement(reverse(sequence))
函数编写完成后，我们就可以将barcode放入函数中，就可以输出反向互补的序列啦。
print(complement_reverse('CCATCAATGCC') ,complement_reverse('CGATGGCGATA'),complement_reverse('ACACAAGCACC'),complement_reverse('CCGTTTCGACG'),complement_reverse('GGAAGTAGACC'))
接下来就是分组根据barcode分组啦。
rf = open("./输出文件.fq") #改成自己二代测序的fq文件
A1= open("./1_A1.txt",'w')#创建txt文件写入不同组数据
A2= open("./1_A2.txt",'w')
A3= open("./1_A3.txt",'w')
A4= open("./1_A4.txt",'w')
A5= open("./1_A5.txt",'w')
i=0
for line in rf: #遍历二代测序数据
line = line.strip()
if ('CCATCAATGCC' in line):#若序列存在CCATCAATGCC，则写入A1文件中
A1.write(line)
A1.write('\n')
elif ('GGCATTGATGG'in line):
A1.write(complement_reverse(line))
A1.write('\n')
elif ('CGATGGCGATA' in line):
A2.write(line)
A2.write('\n')
elif ('TATCGCCATCG' in line):
A2.write(complement_reverse(line))
A2.write('\n')
elif ('ACACAAGCACC' in line):
A3.write(line)
A3.write('\n')
elif ('GGTGCTTGTGT' in line):
A3.write(complement_reverse(line))
A3.write('\n')
elif ('CCGTTTCGACG' in line):
A4.write(line)
A4.write('\n')
elif ('CGTCGAAACGG' in line):
A4.write(complement_reverse(line))
A4.write('\n')
elif ('GGAAGTAGACC' in line):
A5.write(line)
A5.write('\n')
elif ('GGTCTACTTCC' in line):
A5.write(complement_reverse(line))
A5.write('\n')
i+=1
# if i >10000:
# break
if (i%10000000 ==0): #查看代码进度
print(i)
rf.close() #关闭文件
最后我们就得到不同的txt文件，分组也就完成啦。
好了，今天小云的分享就到这里啦，小伙伴们有什么问题欢迎来讨论分享呀。
