将文本文件转换为VCF格式时出错

Question

我有一个python代码，我试图将包含行中变体信息的文本文件转换为用于我的下游分析的变体调用格式文件（vcf）。

我得到的一切正确，但当我试图运行代码我错过了前两个条目，我的意思是前两行。代码如下，突出显示未读取整个文件的行。我想要一些专家的建议。

我刚开始在python中编写代码，所以我不完全熟悉它。

##fileformat=VCFv4.0 
##fileDate=20140901 
##source=dbSNP 
##dbSNP_BUILD_ID=137 
##reference=hg19 
#CHROM POS  ID  REF  ALT  QUAL FILTER INFO 

import sys 

text=open(sys.argv[1]).readlines() 
print text 
print "First print" 
text=filter(lambda x:x.split('\t')[31].strip()=='KEEP',text[2:]) 
print text 
print "################################################" 
text=map(lambda x:x.split('\t')[0]+'\t'+x.split('\t')[1]+'\t.\t'+x.split('\t')[2]+'\t'+x.split('\t')[3]+'\t.\tPASS\t.\n',text) 
print text 
file=open(sys.argv[1].replace('.txt','.vcf'),'w') 

file.write('##fileformat=VCFv4.0\n') 
file.write('##source=dbSNP') 
file.write('##dbSNP_BUILD_ID=137') 
file.write('##reference=hg19\n') 
file.write('#CHROM\tPOS\tID\tREF\tALT\tQUAL\tFILTER\tINFO\n') 

for i in text: 
     file.write(i) 
     file.close() 

INPUT：

chrM 152 T C T_S7998 N_S8980 0 DBSNP COVERED 1 1 1 282 36 0 163.60287 0.214008 0.02 11.666081 202 55 7221 1953 0 0 TT 14.748595 49 0 1786 0 KEEP 
chr9 311 T C T_S7998 N_S8980 0 NOVEL COVERED 0.993882 0.999919 0.993962 299 0 0 207.697923 1 0.02 1.854431 0 56 0 1810 1 116 CC -44.649001 0 12 0 390 KEEP 
chr13 440 C T T_S7998 N_S8980 0 NOVEL COVERED 1 1 1 503 7 0 4.130339 0.006696 0.02 4.124606 445 3 16048 135 0 0 CC 12.942762 40 0 1684 0 KEEP 

OUTPUT期望：

##fileformat=VCFv4.0 
##source=dbSNP##dbSNP_BUILD_ID=137##reference=hg19 
#CHROM POS ID REF ALT QUAL FILTER INFO 
chrM 152 . T C . PASS . 
chr9 311 . T C . PASS . 
chr13 440 . C T . PASS . 

OUTPUT获得：

##fileformat=VCFv4.0 
##source=dbSNP##dbSNP_BUILD_ID=137##reference=hg19 
#CHROM POS ID REF ALT QUAL FILTER INFO 
chr13 440 . C T . PASS . 

我想对如何纠正这个错误有一些帮助。

Answer 1

有几个问题与您的代码

1. 在您传递text[2:]的filter功能。我想你想通过text获得所有的行。
2. 在写入.vcf文件的最后一个循环中，您正在关闭循环内的文件。您应该首先编写所有值，然后关闭循环外的文件。

所以，你的代码看起来像（我删除了所有的打印）：

import sys 
text=open(sys.argv[1]).readlines() 
text=filter(lambda x:x.split('\t')[31].strip()=='KEEP',text) # Pass text 
text=map(lambda x:x.split('\t')[0]+'\t'+x.split('\t')[1]+'\t.\t'+x.split('\t')[2]+'\t'+x.split('\t')[3]+'\t.\tPASS\t.\n',text) 
file=open(sys.argv[1].replace('.txt','.vcf'),'w') 

file.write('##fileformat=VCFv4.0\n') 
file.write('##source=dbSNP') 
file.write('##dbSNP_BUILD_ID=137') 
file.write('##reference=hg19\n') 
file.write('#CHROM\tPOS\tID\tREF\tALT\tQUAL\tFILTER\tINFO\n') 

for i in text: 
    file.write(i) 
file.close() # close after writing all the values, in the end