1. 代码

cat 04.qujian.py
import pandas as pd

# === 读取 GFF 文件 ===
gff_file = 'Tgra.chr.gff'  # 替换为你的文件路径
gff = pd.read_csv(gff_file, sep='\t', header=None, comment='#')

# === 设置列名 ===
gff.columns = ['seqname', 'source', 'feature', 'start', 'end', 'score', 'strand', 'phase', 'attributes']

# === 提取所有基因条目 ===
all_genes = gff[gff['feature'] == 'gene'].copy()

# === 提取 gene_id ===
all_genes['gene_id'] = all_genes['attributes'].str.extract(r'ID=([^;]+)')

# === 设置目标区间和染色体 ===
target_chr = 'Chr5'
start_pos = 296500001
end_pos = 1254100000

# === 提取 Chr4 区间内的基因 ===
in_region = all_genes[
    (all_genes['seqname'] == target_chr) &
    (all_genes['start'] <= end_pos) &
    (all_genes['end'] >= start_pos)
]

# === 提取不在区间内的所有基因（包括 Chr4 以外的）===
out_region = all_genes[~all_genes.index.isin(in_region.index)]

# === 保存结果 ===
in_region[['gene_id']].to_csv('genes_in_region.csv', index=False)
out_region[['gene_id']].to_csv('genes_outside_region.csv', index=False)

# === 打印统计信息 ===
print("✅ 筛选完成！")
print(f"- 区间内基因数：{len(in_region)}（保存至 genes_in_region.csv）")
print(f"- 区间外 + 其他染色体基因数：{len(out_region)}（保存至 genes_outside_region.csv）")

2. 应用

如果你想提取其他染色体上的区间，只需要修改注释文件的路径和染色体号及区间大小，如下图所示：