python-api

# Python API 参考 Gtars Python 绑定的综合参考。 ## 安装 bash # 安装 gtars Python 包 uv pip install gtars # 或使用 pip pip install gtars ## 核心类 ### RegionSet 管理基因组区间集合： python import gtars # 从 BED 文件创建 regions = gtars.RegionSet.from_bed("regions.bed") # 从坐标创建 regions = gtars.RegionSet([ ("chr1", 1000, 2000), ("chr1", 3000, 4000), ("chr2", 5000, 6000) ]) # 访问区域 for region in regions: print(f"{region.chromosome}:{region.start}-{region.end}") # 获取区域数量 num_regions = len(regions) # 获取总覆盖率 total_coverage = regions.total_coverage() ### 区域操作 对区域集执行操作： python # 排序区域 sorted_regions = regions.sort() # 合并重叠区域 merged = regions.merge() # 按大小过滤 large_regions = regions.filter_by_size(min_size=1000) # 按染色体过滤 chr1_regions = regions.filter_by_chromosome("chr1") ### 集合操作 对基因组区域执行集合操作： python # 加载两个区域集 set_a = gtars.RegionSet.from_bed("set_a.bed") set_b = gtars.RegionSet.from_bed("set_b.bed") # 并集 union = set_a.union(set_b) # 交集 intersection = set_a.intersect(set_b) # 差集 difference = set_a.subtract(set_b) # 对称差集 sym_diff = set_a.symmetric_difference(set_b) ## 数据导出 ### 写入 BED 文件 将区域导出为 BED 格式： python # 写入 BED 文件 regions.to_bed("output.bed") # 写入分数 regions.to_bed("output.bed", scores=score_array) # 写入名称 regions.to_bed("output.bed", names=name_list) ### 格式转换 在格式之间转换： python # BED 转 JSON regions = gtars.RegionSet.from_bed("input.bed") regions.to_json("output.json") # JSON 转 BED regions = gtars.RegionSet.from_json("input.json") regions.to_bed("output.bed") ## NumPy 集成 与 NumPy 数组无缝集成： python import numpy as np # 导出为 NumPy 数组 starts = regions.starts_array() # 起始位置的 NumPy 数组 ends = regions.ends_array() # 结束位置的 NumPy 数组 sizes = regions.sizes_array() # 区域大小的 NumPy 数组 # 从 NumPy 数组创建 chromosomes = ["chr1"] * len(starts) regions = gtars.RegionSet.from_arrays(chromosomes, starts, ends) ## 并行处理 利用并行处理处理大数据集： python # 启用