水稻MSU和RAP格式ID转换

Anome

1.作用

如题，水稻有两种注释，分别是IRGSP和RGAP，分别使用RAP和MSU两种格式的基因ID，RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。有时候需要将它们互相转化。Ensembl plant数据库和RAP-DB数据库都可以在线转换，但是感觉下载不是很方便，所以自己写了一个转换用的脚本。

2.用法

• 使用了pandas包，没有安装的需要安装一下。
• 将需要转换的基因id复制到文件raw_id.txt里，一行一个基因ID
• 直接运行脚本即可
• 我是直接判断第一行是不是Os开头的，是就认为是RAP格式，不是就认为是MSU格式，所以第一行不要写其他东西，要符合RAP或者MSU的格式。代码中有注释说明

3.文件说明

• gene_id_conversion.py 为脚本本身
• RAP-MSU_2023-03-15.txt 为从RAP-DB数据库下载的两种ID对应的文件。里面挺多其中一种ID有而另外一种没有。如果数据库中这个有更新，可以自己去下载，然后替换掉这个文件，将代码中读取这个文件的那一行改成新文件。
• raw_id.txt 需要将你需要转换的id复制到这里
• result.txt 这个是转换成功的，脚本运行结束后打开这个文件copy即可。
• result_None.txt 这个对应其中一种id存在而另外一种id不存在的情况，例如基因Os01g0100300在RAP中存在，但是对应到MSU中则没有，为None。
• result_no_exist.txt 对应的是不存在这种ID，例如不小心写入了OOOs1323这种错误的id，或者是其他格式的ID，则会写入到这个文件里。
• 我的压缩包里的文件里有内容，是我之前进行转换的时候存在的，可以按照raw_id.txt里的那种进行输入。

4.代码

import pandas as pd

# 读取文件
df = pd.read_csv('RAP-MSU_2023-03-15.txt', sep='\t', header=None)

# 获取用户输入。下面这些本来是手动选择转换的形式的，后来来回转换每次都选择太麻烦了，就删除了，可以直接删掉
# col_num = int(input("请输入要转换的形式（输入1或2）:\n1:RAP -> MSU\n2:MSU -> RAP\n"))
# search_dir = input("请输入要转换的id所在文件路径：")
# with open(search_dir, "r") as f:
#     search_values = f.read().split()

with open("raw_id.txt", "r") as f:
    search_values = f.read().split()

# 确定要检索的列。同上，可以直接删掉
# if col_num == 1:
#     search_col = 0
#     result_col = 1
# else:
#     search_col = 1
#     result_col = 0

# 我是直接判断第一行是不是Os开头的，是就认为是RAP格式，不是就认为是MSU格式，所以第一行不要写其他东西，要符合RAP或者MSU的格式。
if search_values[0].startswith("Os"):
    search_col = 0
    result_col = 1
else:
    search_col = 1
    result_col = 0

# 将df转换为字典形式
id_dict = dict(zip(df.iloc[:, search_col], df.iloc[:, result_col]))

# 检索值并输出结果
res = []
res_n = []
no_res = []
for value in search_values:
    if value in id_dict.keys():
        result = id_dict[value]
        if result != "None":
            res.append(result)
        else:
            res_n.append(f"{value} None")
    else:
        no_res.append(f"{value} 不存在")
res = '\n'.join(res)
res_n = '\n'.join(res_n)
no_res = '\n'.join(no_res)
with open("result.txt", "w", encoding="utf-8") as f:
    f.write(res)
with open("result_None.txt", "w", encoding="utf-8") as f:
    f.write(res_n)
with open("result_no_exist.txt", "w", encoding="utf-8") as f:
    f.write(no_res)

雾都孤尔

支持原创，感谢分享。

xixicoco

吼吼，是袁隆平搞的东西吗？？

Anome

xixicoco 发表于 2023-5-6 06:57
吼吼，是袁隆平搞的东西吗？？

啊这，还没那么高级，哈哈，是生信分析用到的一小步，之前用其中一种ID进行的align，后来发现有的功能不能用这种id来实现，只能转成另一种来做。