python - 使用 NCBIXML 仅解析来自 BLAST 输出的前 3 个命中

Question

我修改了一段代码，如下所示，以从 BLAST XML 输出中解析所需的信息。

import csv
from Bio.Blast import NCBIXML
blast_records = NCBIXML.parse(open('PGblast.xml', 'rU'))

output = csv.writer(open('PGhit.csv','w'), delimiter =',',
                    quoting=csv.QUOTE_NONNUMERIC)
output.writerow(["Query","Hit ID", "Hit Def", "E-Value"])

E_VALUE_THRESH = 0.00000000000000001

for blast_record in blast_records:
    for alignment in blast_record.alignments:
        for hsp in alignment.hsps:
            if hsp.expect < E_VALUE_THRESH:
                output.writerow([blast_record.query[:8],
                                 alignment.hit_id, alignment.hit_def,hsp.expect])

blast_records.close()

该代码允许我解析 E 值截断的命中。但是，我希望只解析 BLAST XML 输出中的最佳命中或前 3 个命中，因为 BLAST 输出文件很大。

解析每个命中结果将花费大量时间来处理，事实上我不希望所有命中结果。

有好心人能帮帮我吗？

Answer 1

如果只解析每个命中的前 3 个 HSP，而不解析整个文件，则需要您编写自己的自定义 XML 解析器。 Biopython 的 NCBIXML 不会这样做。

但是，如果您正在寻找速度改进，您可以尝试新的 SearchIO 子模块 (http://biopython.org/wiki/SearchIO)。它有一个新的 BLAST XML 解析器，应该比旧的 NCBIXML 解析器更快。旧的解析器依赖于纯 Python XML 解析器，而 SearchIO 中的新解析器尽可能使用 cElementTree。

子模块仍然是新的和实验性的，因此在正式发布之前可能仍有一些变化。如果您有兴趣，这里还有一个草稿教程:http://bow.web.id/biopython/Tutorial.html#htoc96 .