35、基因目录分析与元数据挖掘实战

基因目录分析与元数据挖掘实战

1. 基因目录数据获取与初步分析

在进行基因目录分析时，我们首先需要获取相关数据。这里我们以人类染色体 11 的已发布基因目录为例，从公共领域复制可用数据，并使用 Jython 脚本进行必要操作。

1.1 数据获取步骤

1. 从指定网页下载包含基因目录的 CSV 文件。
2. 将文件显示在 CSV 浏览器中进行初步查看。

以下是实现该步骤的代码：

from jhplot.io.csv import *
from jhplot import *
http='http://projects.hepforge.org/jhepwork/'
file='nature04632-s16-2.csv'
wget(http+'examples/data/'+file)
r=CSVReader(file,',')
SPsheet(r)

如果上述网页地址无法访问，可以使用镜像站点，将 http 地址替换为以下字符串：

http='http://jhepwork.sourceforge.net/'
# 或者
http='http://jwork.org/jhepwork/'

通过对该文件的可视化研究，我们发现每个基因符号由多个记录表征，每行代表一个基因的记录可视为一个“事件记录”，每个基因具有符号、名称、类别、位置、长度等信息。我们将以此文件