le parser pour fichier GFF est assez simple
description du format gff –> ici
un header de taille variable marqué par “#”
puis des données en colonne séparées par des tabulations.
il y a 9 colonnes.
il n’y a pas de ligne de titre
exemple :
less /home/gim2/bank/saccharomyces_cerevisiae.gff
##gff-version 3#date Wed Jul 18 19:35:09 2007## Saccharomyces cerevisiae S288C genome## Features from the 16 nuclear chromosomes labeled chrI to chrXVI,# plus the mitochondrial genome labeled chrMito and the 2-micron plasmid.## Created by Saccharomyces Genome Database (http://www.yeastgenome.org/)## Weekly updates of this file are available via Anonymous FTP from:# ftp://ftp.yeastgenome.org/yeast/data_download/chromosomal_feature/saccharomyces_cerevisiae.gff## Please send comments and suggestions to yeast-curator@yeastgenome.org## SGD is funded as a National Human Genome Research Institute Biomedical Informatics Resource from# the U. S. National Institutes of Health to Stanford University. The staff of SGD is listed at:# http://www.yeastgenome.org/SGD-staff.html#chrI SGD chromosome 1 230208 . . . ID=chrI;dbxref=NCBI:NC_001133chrI SGD repeat_family 1 62 . - . ID=TEL01L-TR;Name=TEL01L-TR;Note=Terminal%20stretch%20of%20telomeric%20repeats%20on%20the%20left%20arm%20of%20Chromosome%20I;dbxref=SGD:S000028864
le contenu des colonnes est (dans l’ordre) :
- seqname
Le nom de la séquences, dans le cas de la levure, le chromosome
- source
La source de la feature. soit le programme ayant réalisé la prédiction, ou la base de donnée publique… dans le cas de la levure, c’est en général SGD.
- feature
Le nom de la feature si possible un nom standardisé.
- start, end
debut et fin de la feature, fin doit etre supérieur a debut
- score
score de la feature ou ‘.’ s’il n’y en a pas
- strand
‘+’ ou ‘-’ selon le brin ou alors ‘.’ si ca ne s’applique pas
- frame
‘0′, ‘1′, ‘2′, ou ‘.’ indique la position du premier codon
- Attribute
Cette colonne est différente car elle contient nom pas une valeur mais une liste d’attribut. ceux-ci sont séparé par des “;” et
Le fichier peut contenir des meta données identifées par un “#”
le parser doit donc
parser le header par la méthode par défaut
utiliser une liste de nom de colonne prédéfinie
parser les lignes
puis pour chaque item parser l’élément de la dernière colonne pour en extraire les attributs et les ajouter a item.
class Gff_parser(Items): def __init__(self, **arg): ''' x = Gff_parser(**arg) '''
arg['column_names']=['chr','origin','type','start','end','score','strand','frame', 'group']
self.attr_group=set([]) #call the init method of Items Items.__init__(self, **arg) self.attr_list.extend(self.attr_group)
def parse_group(self, item): group = item.get_attribute('group')
groups = split(group, ';')
group_items=(self.parse_group_item(item) for item in groups)
item.set_attribute(group_items)
self.attr_group.update(item.get_attr_list())
return item
def special_data_parsing_fn(self, item): return self.parse_group(item)
def parse_group_item(self, group_item): return split(group_item, '=')
j’ai modifié la méthode d’assignation des item.
j’ai rajouté une fonction qui s’applique sur chaque item juste après sa création.
cette méthode sera a surclasser dans les parser si besoin
def list2item(self, data_list): ''' data_item = x.list2item(data_list) data_list -> list of list data_item -> list create instances of Item for all element of data_list return all instances in a list ''' try : #create instance of Item for all element of data_list return (self.special_data_parsing_fn(Item(x, self.attr_list)) for x in data_list) except TypeError : #if data_list can't be map, return an ampty list return []
def special_data_parsing_fn(self, item): return item
j’ai ajouté un module de test gff qui reste a completer.
def test_gff_parser(self): test_gff = Gff_parser(file_arg = '/home/gim2/bank//saccharomyces_cerevisiae.gff') self.assert_(isinstance(test_gff,Gff_parser)) print test_gff[0].keys()
j’ai en sortie
tmp_file format is not correct..col_0 is not a valide attribute....the argument is not a regular file objectfile toto doesn't existpermission denied for file tmp_parse.txt..----------------------------------------------------------------------Ran 8 tests in 4.603s OK
