跟着Nature ecology and evolution学python：vcf文件转换成fasta文件

论文

A polar bear paleogenome reveals extensive ancient gene flow from polar bears into brown bears

https://www.nature.com/articles/s41559-022-01753-8

image.png

本地pdf文件A polar bear paleogenome reveals extensive ancient gene flow from polar bears into brown bears.pdf

代码

https://github.com/PopGenomics-WMS/Bruno_aDNA_analysis

https://github.com/PopGenomics-WMS/Bruno_aDNA_analysis/blob/main/06.mtDNA_nuc_Phylogeny/vcf2fasta.sjf.py

这个脚本用到了 Pool python多线程处理，主要学习这个内容

遇到的问题一

如果是在windows系统下运行脚本

python vcf2fasta.sjf.py -v new.vcf -op abc -nt 4

abc是一个文件夹，需要在当前目录下存在 这里会遇到报错NameError: name 'dict_run' is not defined 这里的dict_run是使用global定义到函数里的一个变量，linux系统下就没有这个问题，windows学习通下的python是3.8.3，linux系统下的python版本是3.9.1

遇到的问题二

使用脚本的时候linux系统下不知道为啥用tab键不能补全文件名，暂时不知道是什么原因

遇到的问题三

脚本里定义了每种基因型对应的碱基序列

image.png

这里非纯合的位点定义为M R W这些是为啥，暂时想不明白

这个脚本有局限是，他定义了vcf文件的基因型

image.png

如果vcf文件的基因型不是这些的话就会报错keyError

python多线程的一个简单小例子

from multiprocessing import Pool

def make_new_file(filename):
    with open(filename,'w') as fw:
        fw.write('xiaoming')
        
def abc():
    aa = ['aaa.txt','bbb.txt','ddd.txt','eee.txt']
    with Pool(3) as p:
        p.map(make_new_file,aa)
        p.close()
        p.join()
    
if __name__ == '__main__':
    abc()
    print("ABCD")

这里Pool这个函数好像是必须搭配if __name__ == '__main__':这个语句

参考链接 https://docs.python.org/3/library/multiprocessing.html