是否可以将字符串变量而不是文件传递给 BLAST 搜索？答案

【问题标题】：Is it possible to pass a string variable to a BLAST search instead of a file?是否可以将字符串变量而不是文件传递给 BLAST 搜索？
【发布时间】：2016-11-03 14:43:08
【问题描述】：

我正在编写一个python脚本，如果可能的话，我想将查询序列信息作为字符串变量而不是FASTA格式文件传递给blastn。

我使用 Biopython 的 SeqIO 将几个转录名称存储为键，并将其序列存储为关联值。

所以它看起来像这样

transcripts = dict()
for record in SeqIO.parse("transcript_sequences.fasta", "fasta"):
transcripts[record.name] = record.seq

print transcripts

所以字典看起来像这样

{'var_F': Seq('CTTCATTCTCGTTTAGCGGCTGCTCGTGGAAATTTCGAAAAAATCTGAAACTAG...TGC', SingleLetterAlphabet())}

现在我想将字典中的序列信息解析成爆炸查询和主题。

subprocess.call("blastn -query " + transcript['var_F'] + ".txt" + " -subject " + transcript['var_B'] + " -outfmt 6 > tmp_blast.txt", shell=True)

我知道 blast 只接受文件位置的文件名或字符串，但我只是想知道是否有解决方法。

提前感谢您阅读我的第一个问题：P

【问题讨论】：

标签： bioinformatics biopython fasta blast

【解决方案1】：

来自 BLAST 的 BioPython 模块：

http://biopython.org/DIST/docs/tutorial/Tutorial.html#htoc90

您似乎是正确的，因为 biopython BLAST 不支持 SeqIO 对象或生物序列作为 BLAST 函数调用的参数，或者您使用 BLAST 二进制文件的subprocess.call() 执行。唯一接受的输入序列参数是文件名。来自教程：

>>> from Bio.Blast.Applications import NcbiblastxCommandline
>>> help(NcbiblastxCommandline)
...
>>> blastx_cline = NcbiblastxCommandline(query="opuntia.fasta", db="nr", evalue=0.001,
...                                      outfmt=5, out="opuntia.xml")
>>> blastx_cline
NcbiblastxCommandline(cmd='blastx', out='opuntia.xml', outfmt=5, query='opuntia.fasta',
db='nr', evalue=0.001)
>>> print(blastx_cline)
blastx -out opuntia.xml -outfmt 5 -query opuntia.fasta -db nr -evalue 0.001
>>> stdout, stderr = blastx_cline()

因此，您唯一的选择是使用实际的 FASTA 文件作为输入。如果您想一次查询一个序列，则需要将每个序列保存到一个文件中。但是，除非您有理由这样做，否则我建议您不要这样做。如果所有查询序列都在同一个文件中，我认为 BLAST 可能执行得更快。您还可以使用 BioPython 读取生成的 BLAST 输出以迭代每个查询的结果，请参阅：

http://biopython.org/DIST/docs/tutorial/Tutorial.html#htoc92

示例取自上述链接：

如果您以其他方式运行 BLAST，并将 BLAST 输出（XML 格式）保存在文件 my_blast.xml 中，您只需打开文件进行读取：

>>> result_handle = open("my_blast.xml")
>>> from Bio.Blast import NCBIXML
>>> blast_record = NCBIXML.read(result_handle)

或者，如果您有很多结果（即，多个查询序列）：

>>> from Bio.Blast import NCBIXML
>>> blast_records = NCBIXML.parse(result_handle)

就像 Bio.SeqIO 和 Bio.AlignIO（参见第 5 章和第 6 章）一样，我们有一对输入函数 read 和 parse，其中 read 用于当您只有一个对象时，而 parse 是用于何时的迭代器你可以有很多对象——但我们不是获取 SeqRecord 或 MultipleSeqAlignment 对象，而是获取 BLAST 记录对象。

为了能够处理 BLAST 文件可能很大、包含数千个结果的情况，NCBIXML.parse() 返回一个迭代器。简单来说，迭代器允许您单步执行 BLAST 输出，为每个 BLAST 搜索结果逐一检索 BLAST 记录：

>>> from Bio.Blast import NCBIXML
>>> blast_records = NCBIXML.parse(result_handle)
>>> blast_record = next(blast_records)
# ... do something with blast_record
>>> blast_record = next(blast_records)
# ... do something with blast_record
>>> blast_record = next(blast_records)
# ... do something with blast_record
>>> blast_record = next(blast_records)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
# No further records

【讨论】：

【解决方案2】：

您可以在运行 blast 命令时将序列作为 fasta 格式的字符串传递到标准输入。

query_string = '>' + record.description + '\n' + str(record.seq)
blast_command = Bio.Blast.Applications.NcbiblastnCommandline(cmd='blastn', out=record.id + '.xml', outfmt=5, db=database_name, evalue=0.001)
stdout, stderr = blast_command(stdin=query_string)

【讨论】：