6

我有一个执行 BLAST 查询的脚本 (bl2seq)

该脚本的工作方式如下：

  1. 获取序列a，序列b
  2. 将序列 a 写入文件
  3. 将序列 b 写入 fileb
  4. 运行命令'bl2seq -i filea -j fileb -n blastn'
  5. 从 STDOUT 获取输出，解析
  6. 重复 2000 万次

bl2seq 程序不支持管道。有没有办法做到这一点并避免写入/读取硬盘？

我正在使用 Python 顺便说一句。

4

5 回答 5

4

根据您运行的操作系统，您可能可以使用bash 的 process substitution 之类的东西。我不确定您如何在 Python 中进行设置，但您基本上使用的是命名管道（或命名文件描述符）。bl2seq如果尝试在文件中查找，那将不起作用，但如果它只是按顺序读取它们，它应该可以工作。

于 2010-02-11T22:45:54.867 回答
1

这是bl2seq来自BioPerl的程序吗？如果是这样，看起来您无法对其进行管道处理。但是，您可以使用 编写自己的 hack Bio::Tools::Run::AnalysisFactory::Pise，这是推荐的方法。不过，您必须在Perl.

如果这是不同的bl2seq，则忽略该消息。无论如何，您可能应该提供更多详细信息。

于 2010-02-11T22:10:30.340 回答
1

你怎么知道 bl2seq 不支持管道？顺便说一句，管道是操作系统功能，而不是程序。如果您的 bl2seq 程序输出某些内容，无论是 STDOUT 还是文件，您都应该能够解析输出。检查 bl2seq 的帮助文件以获取输出到文件的选项，例如-ooption。然后就可以解析文件了。

此外，由于您使用的是 Python，因此您可以使用BioPython模块。

于 2010-02-12T01:01:02.813 回答
1

哇。我想通了。

答案是使用python的子进程模块和管道！

编辑：忘了提到我正在使用支持管道的blast2 。

（这是课程的一部分）

def _query(self):
    from subprocess import Popen, PIPE, STDOUT
    pipe = Popen([BLAST,
    '-p', 'blastn',
    '-d', self.database,
    '-m', '8'],
    stdin=PIPE,
    stdout=PIPE)
    pipe.stdin.write('%s\n' % self.sequence)
    print pipe.communicate()[0]

其中 self.database 是包含数据库文件名的字符串，即 'nt.fa' self.sequence 是包含查询序列的字符串

这会将输出打印到屏幕上，但您可以轻松地解析它。没有慢速磁盘 I/O。没有缓慢的 XML 解析。我将为此编写一个模块并将其放在 github 上。

此外，我还没有走到这一步，但我认为您可以执行多个查询，这样就不需要为每个查询读取爆炸数据库并将其加载到 RAM 中。

于 2010-05-06T19:58:35.110 回答
1

我使用 R 脚本调用 blast2：

....
system("mkfifo seq1")
system("mkfifo seq2")
system("echo  sequence1 > seq1"), wait = FALSE)
system("echo  sequence2 > seq2"), wait = FALSE)
system("blast2 -p blastp -i seq1 -j seq2 -m 8", intern = TRUE)
....

这比从硬盘驱动器写入和读取要慢 2 倍（！）！

于 2010-07-01T18:09:25.957 回答