用于对齐的 TabularMSA 替换 (scikit-bio 0.4.1.dev0)

Posted 2023-02-23

【中文标题】用于对齐的 TabularMSA 替换 (scikit-bio 0.4.1.dev0)

【英文标题】：TabularMSA replacement for Alignment (scikit-bio 0.4.1.dev0)

【发布时间】：2016-01-12 22:16:10

【问题描述】：

我想读取 PHYLIP 比对（FASTA 格式），更新序列标签并将结果写回文件。如何编辑以下行以在 scikit-bio 0.4.1.dev0 中使用 TabularMSA（而不是之前支持的 Alignment）：

from skbio import Alignment ... msa_fa = Alignment.read(gene_msa_fa_fp, format='fasta') msa_fa_update_ids, new_to_old_ids = msa_fa.update_ids(func=id_mapper) msa_fa_update_ids.write(output_msa_phy_fp, format='phylip') ...

谢谢！

【参考方案1】：

将 FASTA 文件读入 TabularMSA 对象时，序列标识符存储在每个序列的 metadata 字典中，键为 "id"。当以 PHYLIP 格式编写 TabularMSA 对象时，MSA 的 index 属性用于标记序列。使用reassign_index将FASTA序列标识符作为MSA的索引，然后将其映射到你要写入的序列标签，最后以PHYLIP格式写出来：

from skbio import TabularMSA, DNA
msa = TabularMSA.read("aln.fasta", constructor=DNA)
msa.reassign_index(minter='id')
msa.reassign_index(mapping=id_mapper)
msa.write('aln.phy', format='phylip')

有多种方法可以设置索引，包括直接设置属性或使用带有mapping 或minter 参数的reassign_index。

【讨论】：

这个解决方案对我来说效果很好，唯一需要修改的是“DNA”到“蛋白质”，因为我正在处理蛋白质序列。谢谢！