root/galaxy-central/tools/solid_tools/solid_qual_stats.py

リビジョン 2, 4.7 KB (コミッタ: hatakeyama, 14 年 前)

import galaxy-central

行番号 
1#!/usr/bin/env python
2#Guruprasad Ananda
3
4import sys, os, zipfile, tempfile
5
6QUAL_UPPER_BOUND = 41
7QUAL_LOWER_BOUND = 1
8
9def stop_err( msg ):
10    sys.stderr.write( "%s\n" % msg )
11    sys.exit()
12 
13def unzip( filename ):
14    zip_file = zipfile.ZipFile( filename, 'r' )
15    tmpfilename = tempfile.NamedTemporaryFile().name
16    for name in zip_file.namelist():
17        file( tmpfilename, 'a' ).write( zip_file.read( name ) )
18    zip_file.close()
19    return tmpfilename
20   
21def __main__():
22
23    infile_score_name = sys.argv[1].strip()
24    fout = open(sys.argv[2].strip(),'r+w')
25
26    infile_is_zipped = False
27    if zipfile.is_zipfile( infile_score_name ):
28        infile_is_zipped = True
29        infile_name = unzip( infile_score_name )
30    else:
31        infile_name = infile_score_name
32   
33    readlen = None
34    j = 0
35    for line in file( infile_name ):
36        line = line.strip()
37        if not(line) or line.startswith("#") or line.startswith(">"):
38            continue
39        elems = line.split()
40        try:
41            for item in elems:
42                assert int(item)
43            if not(readlen):
44                readlen = len(elems)
45            if len(elems) != readlen:
46                print "Note: Reads in the input dataset are of variable lengths."
47            j += 1
48        except:
49            invalid_lines += 1
50        if j > 10:
51            break
52       
53    invalid_lines = 0
54    position_dict = {}
55    print >>fout, "column\tcount\tmin\tmax\tsum\tmean\tQ1\tmed\tQ3\tIQR\tlW\trW"
56    for k,line in enumerate(file( infile_name )):
57        line = line.strip()
58        if not(line) or line.startswith("#") or line.startswith(">"):
59            continue
60        elems = line.split()
61        if position_dict == {}:
62            for pos in range(readlen):
63                position_dict[pos] = [0]*QUAL_UPPER_BOUND
64        if len(elems) != readlen:
65            invalid_lines += 1
66            continue
67        for ind,item in enumerate(elems):
68            try:
69                item = int(item)
70                position_dict[ind][item]+=1
71            except:
72                pass
73   
74    invalid_positions = 0
75    for pos in position_dict:
76        carr = position_dict[pos] #count array for position pos
77        total = sum(carr) #number of bases found in this column.
78        med_elem = int(round(total/2.0))
79        lowest = None   #Lowest quality score value found in this column.
80        highest = None  #Highest quality score value found in this column.
81        median = None   #Median quality score value found in this column.
82        qsum = 0.0      #Sum of quality score values for this column.
83        q1 = None       #1st quartile quality score.
84        q3 = None       #3rd quartile quality score.
85        q1_elem = int(round((total+1)/4.0))
86        q3_elem = int(round((total+1)*3/4.0))
87       
88        try:
89            for ind,cnt in enumerate(carr):
90                qsum += ind*cnt
91               
92                if cnt!=0:
93                    highest = ind
94               
95                if lowest==None and cnt!=0:  #first non-zero count
96                    lowest = ind
97               
98                if q1==None:
99                    if sum(carr[:ind+1]) >= q1_elem:
100                        q1 = ind
101                           
102                if median==None:
103                    if sum(carr[:ind+1]) < med_elem:
104                        continue
105                    median = ind
106                    if total%2 == 0: #even number of elements
107                        median2 = median
108                        if sum(carr[:ind+1]) < med_elem+1:
109                            for ind2,elem in enumerate(carr[ind+1:]):
110                                if elem != 0:
111                                    median2 = ind+ind2+1
112                                    break
113                        median = (median + median2)/2.0
114   
115               
116                if q3==None:
117                    if sum(carr[:ind+1]) >= q3_elem:
118                        q3 = ind
119                 
120               
121            mean = qsum/total    #Mean quality score value for this column.
122            iqr = q3-q1
123            left_whisker = max(q1 - 1.5*iqr,lowest)
124            right_whisker = min(q3 + 1.5*iqr,highest)
125           
126            print >>fout,"%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s" %(pos+1,total,lowest,highest,qsum,mean,q1,median,q3,iqr,left_whisker,right_whisker)
127        except:
128            invalid_positions += 1
129            nullvals = ['NA']*11
130            print >>fout,"%s\t%s" %(pos+1,'\t'.join(nullvals))
131
132    if invalid_lines:
133        print "Skipped %d reads as invalid." %invalid_lines
134    if invalid_positions:
135        print "Skipped stats computation for %d read postions." %invalid_positions
136       
137if __name__=="__main__":
138    __main__()
139       
140   
Note: リポジトリブラウザについてのヘルプは TracBrowser を参照してください。