问题
我正在努力构建基因组学中我们称之为“变体图”的东西,而我无法弄清楚如何使用Networkx做到这一点 . 我愿意创建自己的代码或其他图形包 .
目的
总体目的是比较下面的两个图表来计算在每个位置发现核苷酸(A,G,T,C)的次数,然后返回每个位置具有最高计数的字母以创建共有序列 .
参考图
首先,我需要构建一个图形,首先创建一个参考图形,如上面第一行所示,跟踪每个位置的字母(核苷酸) .
因此,对于下面的第一张图,每个节点都将以位置命名:
node_list = [0,1,2,3,4,5,6,7,8]
具有以下边缘:
edges = [
(A,T),
(T,C),
(C,G),
(G,A),
(A,A),
(A,T),
(T,A),
(A,C)]
替代路径
然后,为了表示图片第二行中所示的变体,我们将在位置2和4之间添加替代边缘以表示空节点,并且在位置7和8之间添加替代边缘以表示插入的“T” .
我试过的
由于图形需要跟踪多个有向边缘,我已经尝试过Networkx MultiDiGraph,但是我在维护顺序和管理重复边缘方面遇到了麻烦 .
所需输出
我最终希望为每个边缘添加权重,以计算在每个位置看到核苷酸(字母)的次数,并使用该信息来确定遍历图形 . 所以在表格格式中,我想要的输出看起来像下面显示每个字母在某个位置被看到的次数:
pos | A | T | G | C
0 53 29 101 23
1 153 9 10 555
2 53 29 72 13
3 53 29 101 23
4 53 29 101 39
5 53 29 101 39
6 53 29 101 39
7 53 29 101 39
8 154 9 10 66
从这些数据中,我将返回一个共识序列:
GCGGGGGGA
这是我到目前为止的代码:
testRef = "GTCTAGGTCTAGGTCTAGAGTTAG"
start = 100
def create_edgelist(seq, truncate=True):
while len(seq) >= 2:
yield seq[:2]
seq = seq[1:]
if len(seq) and not truncate:
yield seq
G = nx.MultiDiGraph()
# add each ref node to graph by pos, nuc
[G.add_node(x + int(start)) for x,y in enumerate(testRef)]
for x, y in create_edgelist(testRef):
G.add_edge(x, y)