与ucsc基因组数据库的接口。还允许向上/向下/k近邻查询和将表镜像到本地sqlite数据库
cruzdb的Python项目详细描述
文档的呈现版本位于：http://pythonhosted.org/cruzdb/
一篇描述cruzdb的论文发表在生物信息学上：http://bioinformatics.oxfordjournals.org/cgi/content/abstract/btt534?ijkey=9I8rQeolKOhzFHv&keytype=ref
CRUZDB概述
ucscGenomes Database是一个很好的注释、规则资源。 以及越来越多分类群的变异和各种数据。 这个库的目的是使利用这些数据变得简单，这样我们就可以 不借助awk-ful的复杂分析，容易出错 操纵。 作为动力，下面是一些功能的示例：
>>> from cruzdb import Genome >>> g = Genome(db="hg18") >>> muc5b = g.refGene.filter_by(name2="MUC5B").first() >>> muc5b refGene(chr11:MUC5B:1200870-1239982) >>> muc5b.strand '+' # the first 4 introns >>> muc5b.introns[:4] [(1200999L, 1203486L), (1203543L, 1204010L), (1204082L, 1204420L), (1204682L, 1204836L)] # the first 4 exons. >>> muc5b.exons[:4] [(1200870L, 1200999L), (1203486L, 1203543L), (1204010L, 1204082L), (1204420L, 1204682L)] # note that some of these are not coding because they are < cdsStart >>> muc5b.cdsStart 1200929L # the extent of the 5' utr. >>> muc5b.utr5 (1200870L, 1200929L) # we can get the (first 4) actual CDS's with: >>> muc5b.cds[:4] [(1200929L, 1200999L), (1203486L, 1203543L), (1204010L, 1204082L), (1204420L, 1204682L)] # the cds sequence from the UCSC DAS server as a list with one entry per cds >>> muc5b.cds_sequence #doctest: +ELLIPSIS ['atgggtgccccgagcgcgtgccggacgctggtgttggctctggcggccatgctcgtggtgccgcaggcag', ...] >>> transcript = g.knownGene.filter_by(name="uc001aaa.2").first() >>> transcript.is_coding False # convert a genome coordinate to a local coordinate. >>> transcript.localize(transcript.txStart) 0L # or localize to the CDNA position. >>> print transcript.localize(transcript.cdsStart, cdna=True) None
命令行界面
安装cruzdb 0.5.4+后，给定一个文件input.bed您可以做到：
python -m cruzdb hg18 input.bed refGene cpgIslandExt
用refgene和cpgislandext注释间隔 来自Versoinhg18的表格。
数据帧
…就这样了。我们可以从桌子上取一个：
>>> df = g.dataframe('cpgIslandExt')
>>> df.columns #doctest: +ELLIPSIS
Index([chrom, chromStart, chromEnd, name, length, cpgNum, gcNum, perCpg, perGc, obsExp], dtype=object)
通过将“refgene”更改为 “知道”。而且，对于一组基因来说，这很容易做到。
空间
k-最近邻、上游和下游搜索可用。 上下搜索使用查询功能链确定方向：
>>> nearest = g.knearest("refGene", "chr1", 9444, 9555, k=6)
>>> up_list = g.upstream("refGene", "chr1", 9444, 9555, k=6)
>>> down_list = g.downstream("refGene", "chr1", 9444, 9555, k=6)
镜子
上面使用了ucsc的mysql接口。现在可以镜像了 从ucsc到本地sqlite数据库的任何表，通过：
# cleanup
>>> import os >>> if os.path.exists("/tmp/u.db"): os.unlink('/tmp/u.db')>>> g = Genome('hg18')>>> gs = g.mirror(['chromInfo'], 'sqlite:////tmp/u.db')
然后用作：
>>> gs.chromInfo <class 'cruzdb.sqlsoup.chromInfo'>
代码
大多数每行特性都在 功能类。如果您想添加一些特性（如现有的） 功能。utr5）添加到这里。
表使用sqlalchemy进行反射，并映射到 _基因组的getattr方法
所以打个电话：
genome.knownGene
调用表arg设置为'knowngene'的'uuuu getattr'方法 然后，该表被反射，并且具有feature的父类的对象 返回sqlalchemy的声明性基。
贡献
是的，拜托！
开始编写代码时，最好自己获取一些 ucsc表，以便不重载ucsc服务器。 您可以运行如下操作：
Genome('hg18').mirror(["refGene", "cpgIslandExt", "chromInfo", "knownGene", "kgXref"], "sqlite:////tmp/hg18.db")
然后连接将如下：
g = Genome("sqlite:////tmp/hg18.db")
如果您有喜欢使用/实现的功能，请在github上为 讨论。下面是一些想法。
欢迎加入QQ群-->： 979659372
