python - 迭代 BLAST 寻找同源基因

Question

我是编程新手，过去几周我一直在研究生物信息学问题，但进展非常有限。

我有一个包含大量基因组的大型 FASTA 文件，我希望运行全对全 BLAST 搜索，该搜索将识别同系物/直系同源物(将通过使用 -outfmt 在其长度上具有 >=95% 的序列相似性来识别) 6) 在我的文件中，将这些基因和非同源/直系同源基因打印到生物体与基因的存在/不存在矩阵中(“1”=存在，“0”=不存在。我被告知交互式全对- all BLAST 将所有同源性/直系同源性更新到一个文件，然后从数据库中删除这些并重复该过程，直到无法执行更多相关的 BLAST 搜索，这可能是解决此问题的一种方法，但尽管我付出了努力，但我什至不知道该怎么做这个。我更愿意在可能的情况下在 Python 和/或 Unix/Linux 中执行此操作。

有人可以帮忙吗？

例如:

如果我有 3 个生物体和 4 个基因，如果 BLAST 结果显示 Gene_1 存在于 Organisms_1 和 2 中； Gene_2 存在于所有 Organism 中，Gene_3 仅存在于 Organism_1 中，Gene_4 仅存在于 Organism_3 中。

    Gene_1  Gene_2  Gene_3  Gene_4
Org_1   1       1       1       0       
Org_2   1       1       0       0
Org_3   0       1       0       1

Answer 1

如果我没理解错的话，您需要获取以下信息:

-哪些是同系物/直系同源基因

-它们出现在哪个物种中

有一个程序几乎可以完成所有这一切，让我向您介绍 SiLiX

http://lbbe.univ-lyon1.fr/SiLiX

您可以下载它并将其参数化为您的 95% 身份，您“喂养它”您的所有对抗所有爆炸的结果。你会得到一个包含你想要的信息的文件!

该文件很容易解析(尤其是在 python 中)，因此您可以从中提取所需的所有信息。所以你可以从中创建你的矩阵。