2025年用Biopython解析BLAST结果

用Biopython解析BLAST结果这次使用的是 biopython 中解析 blast 结果的功能 随着 blast 版本的不断更新 blast 的输出结果的格式也在不断改变 所以这对于 biopython 解析 blast 的结果造成了很大影响 所以 biopython 中一般倾向于处理 xml 格式的 blast

大家好,我是讯享网,很高兴认识大家。

这次使用的是 biopython 中解析 blast 结果的功能,随着 blast 版本的不断更新, blast的输出结果的格式也在不断改变,所以这对于 biopython 解析 blast 的结果造成了很大影响,所以 biopython 中一般倾向于处理 xml 格式的 blast 输出结果,因为这种结果的格式一般不随 blast 版本的改变而改变。在进行 blast 的时候需要选择参数 -outfmt 5 即 xml 格式。在使用 biopython 时,加载包的代码是:

from Bio.Blast import NCBIXML

讯享网

NCBIXML 就是 biopython 中针对解析 xml 格式 blast 结果的子包,要解析结果,同平时的读取文件一样,也需要一个 blast 结果文件的句柄,假设我们的结果文件叫’blast_result.xml’, 那么读取就是:

讯享网result_handle=open(‘blast_result.xml’,’r’)

有了这个句柄,我们就可以通过 biopython 对其进行各种处理了,首先, blasts 的结果是一条一条存在这个句柄文件里的,这时就要分情况讨论,在做 blast 的时候我们是用的一条序列去 blast 还是用的多条序列去 blast,如果是一条,那么在读取这个句柄的时候就可以用:

blast_record = NCBIXML.read(result_handle)

如果是多条:


讯享网

blast_records = NCBIXML.parse(result_handle)

唯一的区别就是 read 和 parse 的区别,他们的原理都是一样的,即从句柄中提取结果。result_records 对象是一个迭代器,可以允许用户一个接一个的获得 blast 的结果(因为有多条序列)。一般采用 for 循环来挨个读取比对结果:

for blast_record in blast_records: #do sth. with blast_record
现在,所有有关与 blast 结果的信息都被储存在一条条的 blast_record 中,那么如何提取这些信息?
blast_record 的结果可以分为三大类,调用不同的类可以得到相应的信息:descriptions、 alignments、 multiple_alignment。其中 descriptions 和 alignments 都是以 list 的形式来存储数据的。
·descriptions 下面有四个信息: title、 score、 e、 num_alignments,分别对应数据库中匹配上的序列的标题、匹配的得分、匹配的 e-value、以及多序列比对的数目。
·
aligments 下面有三个信息: title、 length、 hsps,分别对应数据库中匹配上的序列的标题、匹配的长度、其中 hsps 是 list 格式的对象,里面储存了 query 和数据库中序列匹配的具体信息,包括匹配得分、 gap 等信息,详细的内容在后面的图片里。
·
multiple_alignment 是多序列比对的结果,里面只储存了 alignment 的信息。有了这些具体的方法,在处理 blast 的结果时就不需要写额外的脚本了,只需要提取相关的记录然后进行具体操作就可以了。

同样, biopython 的另一个子包 SearchIO 也可以完成一些类似的工作,而且对于比较简单的需求, SearchIO 的代码相对更加简洁。调用代码:

讯享网from Bio import SearchIO

和 NCBIXML 不同的是, SearchIO 在获取 blast 结果文件的时候使用的代码是:

blast_results=SearchIO.parse(‘blast_result.xml’,’blast-xml’)

这个方法不需要先用 open 获得句柄,然后再对句柄进行处理, SearchIO 得到的对象直接就是可以进行各种操作的可迭代对象,这里, read 和 parse 的使用和 NCBIXML 中类似。有了这个对象,就可以提取对象中的各个信息,比如想知道具体是那一条序列和 blast 数据库中的序列比对上了,就可以使用 blast_result.id, id 就指的是具体序列的名字。如果我们想知道 blast 结果中那些序列比对上了,并且把比对上的序列名称存进一个列表进行后续操作,那么代码就是:

讯享网#加载 SearchIO from Bio import SearchIO #建立用于存储比对上的序列的标题的列表 seq_name=[] #使用 SearchIO 读取 blast 文件 blast_qresults = SearchIO.parse('blastx_result','blast-xml') #假设我们使用的是很多序列来进行 blast,这里就使用 for 循环逐个读取每一条序列的比对结果 for blast_qresult in blast_qresults: #blast_qresult 以列表形式存储比对的结果,如果没有比对上,那么列表长度即为 0,如果比对上了,比对上了多少条那么这里列表的长度就是多少。 if len(blast_qresult) != 0: #比对上的序列名称存进建好的列表 seq_name.append(blast_qresult.id)



更多内容: http://biopython-cn.readthedocs.io/zh_CN/latest/

小讯
上一篇 2025-01-08 15:27
下一篇 2025-03-31 11:30

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/80142.html