fast5（HDF5）文件处理—ast5文件解析数据（H5PY）

fast5文件

fast5文件是hdf5文件的一种，主要用于存储纳米孔信号，本文是利用python中的h5py对fast5文件进行处理。

读取文件信息

读取原始电信号

fast5文件本质上也是hdf5文件，在读取文件信息时，与hdf5文件相同，采用
fast5_data = h5py.File(fast5_file,'r+')
hdf5文件的创建、读写详情参照我的上一篇hdf5文件的group和dataset

fast5文件分别由group和dataset两个文件组成，可以用hdf-view软件进行观察。

其中Raw的group下面保存着测得的纳米孔电信号数据，我们可以通过h5py直接调用其中的dataset，也可以通过HDF-VIEW软件进行直观观看数据。
双击signal这个dataset可以看到纳米孔电信号的数据，同时可以根据菜单栏的table选择数据。并对数据进行绘图。
对于程序所获得的数据，本文采用h5py进行数据处理，来进行数据导入。

data = list(filename['/Raw/Reads/Read_[]/'].values())[0] list_data = list(data.value) 

通过上述代码可以获得原始序列的信号值，但默认输出的类型为ndarray，为了后续编程的方便，我将数据用list进行转换，如果定义的每一个信号值为float类型的话，可以通过python中的map函数进行转换，转换列表中的每一个文件的格式。

读取5mer模型的电信号

在analyses的group组中，保存着许多对这个碱基序列的分析，其中/Analyses/EventDetection_000/Reads/Read_122种的EVENT保存着5-mer模型所获得的信息。如下图所示

在HDFVIEW中我们双击，进入event中可以得到如下数据，第一列为起始位置，第二列为长度，第三列表示电流信号的值，第四列表示噪声。

我们在使用程序处理时，仍可以采用如上方法进行获取数据，但获取出的values为多维数组，包含上图的所有信息。
这时候很容易出现的问题就是对获得的数据认识的类型不同，造成的报错，许多人会认为是直接存储的列表一样来进行直接切片，但如上图所示存储的数据是
[ (1778891 3 77.930 3.2346 ) , (1778894 5 85.025 1.7280 ), …,…] 其中数据获得的第三列才是我们需要的信息。我们要采用

data = [i[2] for i in excepted_data] data = list(map(float,data)) 

的方法，提取这个多维数组的第三列，并保存为list列表进行后续数据的分析。

总结心得

fast5文件非常可以理解成像文件夹下的文件一样，通过hdfview进行直观的观看，使用h5py获得数据时，要注意数据类型。
作为一个刚刚开始学习的萌新，也不是很懂，如果有问题欢迎指正，共同学习。

本文地址：https://blog.csdn.net/weixin_42377205/article/details/108201638