非模式物种KEGG富集数据库准备(二)

一、KEGG数据下载

1、先进入官网:https://www.kegg.jp/

image.png

2、进入KO (KEGG ORTHOLOGY) Database
image.png

3、点击此处选择物种
image.png

4、此处以斑马鱼为例,所以选择dre
image.png

5、下载json文件到本地
image.png

二、json文件的处理

import json
import re
K_ko_dict = {}
with open(json, "r")as f:
    K_ko_file_content = json.load(f) 
for children_info in K_ko_file_content.get("children"):
    for next_children_info in children_info.get("children"):
        for third_children_info in next_children_info.get("children"):
            name_info = third_children_info.get("name")
            pathway_id = re.findall(r'PATH:(.*)]', name_info)
            pathway_name = re.findall(r'\d+\s(.*)\s\[', name_info)
            if pathway_id and pathway_name:
                K_ko_dict[pathway_id[0]+"\t"+pathway_name[0]] = []
                if third_children_info.get("children"):
                    for fourth_children_info in third_children_info.get("children"):
                        K_name = fourth_children_info.get("name").split(" ")[0]
                        gene_name = fourth_children_info.get("name").split(" ")[1]
                        gene_name=re.sub(';','',gene_name)
                        K_ko_dict[pathway_id[0]+"\t"+pathway_name[0]].append(K_name+'\t'+gene_name)
out=open(outfile,'w+')
out.write("pathway_gene_id\tgene_name\tpathway_id\tpathway_name\n")
key1=sorted(K_ko_dict.keys())
for key in key1:
    K_ko_dict[key].sort()
    for i in K_ko_dict[key]:
        out.write(i+'\t'+key+'\n')
out.close()

处理后的文件:
image.png

如果需要gene id 那么需要gtf文件,通过gene name转化即可

注意:json.load(f) 若报错:AttributeError: 'str' object has no attribute 'load',那么需要修改名称,此处的f指向的名称为json,与import json重复,覆盖了此处的名称。因此会报错

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,504评论 4 365
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,898评论 1 300
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 110,218评论 0 248
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,322评论 0 214
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,693评论 3 290
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,812评论 1 223
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,010评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,747评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,476评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,700评论 2 251
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,190评论 1 262
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,541评论 3 258
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,206评论 3 240
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,129评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,903评论 0 199
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,894评论 2 283
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,748评论 2 274

推荐阅读更多精彩内容