Python 脚本：查找多个输入文件中的重叠染色体区间

概述

本脚本用于查找多个输入文件中所有重叠的染色体区间，并输出重叠区域及其出现的文件。输入文件格式为制表符分隔的四列，分别为染色体、起始位置、结束位置和 SNP 数量，没有表头。

示例输入文件：

chr1	100	200	5
chr1	150	250	10
chr2	300	400	2

代码示例：

import os

# 读取多个输入文件
input_files = ['file1.txt', 'file2.txt', 'file3.txt']
data = []
for input_file in input_files:
    with open(input_file, 'r') as f:
        for line in f:
            fields = line.strip().split('	')
            chr, start, end, snpnumber = fields
            data.append((input_file, chr, int(start), int(end), snpnumber))

# 对每个列表按照 chr、start、end 排序
data.sort(key=lambda x: (x[1], x[2], x[3]))

# 查找重叠区间
overlap_regions = {}
for i in range(len(data)):
    for j in range(i + 1, len(data)):
        if data[j][1] == data[i][1] and data[j][2] <= data[i][3]:
            overlap_region = (data[i][1], max(data[i][2], data[j][2]), min(data[i][3], data[j][3]))
            if overlap_region not in overlap_regions:
                overlap_regions[overlap_region] = set()
            overlap_regions[overlap_region].add(data[i][0])
            overlap_regions[overlap_region].add(data[j][0])

# 输出重叠区间
with open('output.txt', 'w') as f:
    for overlap_region in overlap_regions:
        files = ', '.join(sorted(list(overlap_regions[overlap_region])))
        f.write('	'.join(list(overlap_region)) + '	' + files + '
')

使用方法：

将您的输入文件命名为 'file1.txt', 'file2.txt', 'file3.txt' 等等，并将它们放置在与脚本相同的目录中。
修改 input_files 列表以包含您要处理的所有输入文件。
运行脚本。
输出结果将保存在名为 'output.txt' 的文件中。

输出格式：

输出文件中的每一行代表一个重叠区域，格式为：

染色体	起始位置	结束位置	出现的文件

例如：

chr1	150	200	file1.txt, file2.txt

表示染色体 chr1 上的 150 到 200 区间在 'file1.txt' 和 'file2.txt' 这两个文件中出现。

注意：

此代码假设输入文件中的染色体名称、起始位置和结束位置都是有效的。
您可能需要根据您的具体需求修改代码以处理其他格式或错误。
此代码仅提供一个简单的示例，您可能需要根据您的具体需求进行修改和完善。