我正在尝试解析
下面的sbml / xml文件中的信息https://dl.dropboxusercontent.com/u/10712588/file.xml
来自此代码
http://search.bioconductor.jp/codes/11172
似乎我可以通过
正常导入文件doc <- xmlTreeParse(filename,ignoreBlanks = TRUE)
但我无法通过
恢复节点属性atrr <- xpathApply(doc, "//species[@id]", xmlGetAttr, "id")
或
xpathApply(doc, "//species", function(n) xmlValue(n[[2]]))
该文件的节点如下......
<species id="M_10fthf_m" initialConcentration="1" constant="false" hasOnly
SubstanceUnits="false" name="10-formyltetrahydrofolate(2-)" metaid="_metaM_10fth
f_m" boundaryCondition="false" sboTerm="SBO:0000247" compartment="m">
<notes>
<body xmlns="http://www.w3.org/1999/xhtml">
<p>FORMULA: C20H21N7O7</p>
<p>CHARGE: -2</p>
<p>INCHI: InChI=1S/C20H23N7O7/c21-20-25-16-15(18(32)26-20)23-11(7-22
-16)8-27(9-28)12-3-1-10(2-4-12)17(31)24-13(19(33)34)5-6-14(29)30/h1-4,9,11,13,23
H,5-8H2,(H,24,31)(H,29,30)(H,33,34)(H4,21,22,25,26,32)/p-2/t11-,13+/m1/s1</p>
<p>HEPATONET_1.0_ABBREVIATION: HC00212</p>
<p>EHMN_ABBREVIATION: C00234</p>
</body>
</notes>
<annotation>
...
我想检索物种节点内的所有信息，有谁知道怎么做？
答案 0 :(得分：3)
存在SBML解析库libSBML（http://sbml.org/Software/libSBML）。
这包括对R的绑定，允许使用类似于
的代码直接在R中访问SBML对象document = readSBML(filename);
errors = SBMLErrorLog_getNumFailsWithSeverity(
SBMLDocument_getErrorLog(document),
enumToInteger("LIBSBML_SEV_ERROR", "_XMLErrorSeverity_t")
);
if (errors > 0) {
cat("Encountered the following SBML errors:\n");
SBMLDocument_printErrors(document);
q(status=1);
}
model = SBMLDocument_getModel(document);
if (is.null(model)) {
cat("No model present.\n");
q(status=1);
}
species = Model_getSpecies(model, index_of_species);
id = Species_getId(species);
conc = Species_getInitialConcentration(species)
每个可能的属性都有一个Species_get（NameOfAttribute）函数;与Species_isSet（NameOfAttribute）一起; Species_set（NameOfAttribute）和Species_unset（NameOfAttribute）。
API类似于与任何SBML元素交互。
libSBML版本包括可从
获得的R安装程序http://sourceforge.net/projects/sbml/files/libsbml/5.8.0/stable
导航到您选择的操作系统和体系结构的R_interface子目录。
libSBML的源代码分发包含一个examples / r目录，其中包含许多使用libSBML与R环境中的SBML交互的示例。
答案 1 :(得分：2)
我想这取决于你说你想要“检索”物种节点中的所有信息时你的意思，因为检索到的数据可以被强制为任意数量的不同格式。以下假设您希望在数据框中全部使用它，其中每一行都是XML文件中的物种节点，而列表示不同的信息。
在尝试提取信息时，我通常发现使用列表比使用XML更容易。
doc <- xmlTreeParse(xml_file, ignoreBlanks = TRUE)
doc_list <- xmlToList(doc)
一旦列入清单，您就可以找出物种数据的存储位置：
sapply(x, function(x)unique(names(x)))
[[1]]
NULL
[[2]]
NULL
[[3]]
NULL
[[4]]
[1] "species"
[[5]]
[1] "reaction"
[[6]]
[1] "metaid"
$.attrs
[1] "level" "version"
所以你真的只想要doc_list[[4]]中的信息。看一下doc_list[[4]]的第一个组成部分：
str(doc_list[[4]][[1]])
List of 9
$ : chr "FORMULA: C20H21N7O7"
$ : chr "CHARGE: -2"
$ : chr "HEPATONET_1.0_ABBREVIATION: HC00212"
$ : chr "EHMN_ABBREVIATION: C00234"
$ : chr "http://identifiers.org/obo.chebi/CHEBI:57454"
$ : chr "http://identifiers.org/pubchem.compound/C00234"
$ : chr "http://identifiers.org/hmdb/HMDB00972"
$ : Named chr "#_metaM_10fthf_c"
..- attr(*, "names")= chr "about"
$ .attrs: Named chr [1:9] "M_10fthf_c" "1" "false" "false" ...
..- attr(*, "names")= chr [1:9] "id" "initialConcentration" "constant" "hasOnlySubstanceUnits" ...
因此，您可以获得前八个列表中包含的信息以及属性中包含的信息。
获取属性信息很简单，因为它已经命名。以下格式将属性信息格式化为每个节点的数据框：
doc_attrs <- lapply(doc_list[[4]], function(x) {
x <- unlist(x[names(x) == ".attrs"])
col_names <- gsub(".attrs.", "", names(x))
x <- data.frame(matrix(x, nrow = 1), stringsAsFactors = FALSE)
colnames(x) <- col_names
x
})
某些节点似乎没有属性信息，因此返回空数据帧。这导致了以后的问题，所以我在他们的位置创建了NA的数据框：
doc_attrs_cols <- unique(unlist(sapply(doc_attrs, colnames)))
doc_attrs[sapply(doc_attrs, length) == 0] <-
lapply(doc_attrs[sapply(doc_attrs, length) == 0], function(x) {
df <- data.frame(matrix(rep(NA, length(doc_attrs_cols)), nrow = 1))
colnames(df) <- doc_attrs_cols
df
})
当提取非属性数据时，变量的名称和值通常包含在同一个字符串中。我最初试图提出一个正则表达式来提取名称，但它们的格式都不同，我放弃了，只是确定了这个特定数据集中的所有可能性：
flags <- c("FORMULA:", "CHARGE:", "HEPATONET_1.0_ABBREVIATION:",
"EHMN_ABBREVIATION:", "obo.chebi/CHEBI:", "pubchem.compound/", "hmdb/HMDB",
"INCHI: ", "kegg.compound/", "kegg.genes/", "uniprot/", "drugbank/")
此外，有时非属性信息只保留为值列表，如上面显示的节点，而有时它包含在“notes”和“annotation”子列表中，所以我必须包含一个if else声明使事情更加一致。
doc_info <- lapply(doc_list[[4]], function(x) {
if(any(names(x) != ".attrs" & names(x) != "")) {
names(x)[names(x) != ".attrs"] <- ""
x <- unlist(do.call("c", as.list(x[names(x) != ".attrs"])))
} else {
x <- unlist(x[names(x) != ".attrs"])
}
x <- gsub("http://identifiers.org/", "", x)
need_names <- names(x) == ""
names(x)[need_names] <- gsub(paste0("(", paste0(flags, collapse = "|"), ").+"), "\\1", x[need_names], perl = TRUE)
#names(x) <- gsub("\\s+", "", names(x))
x[need_names] <- gsub(paste0("(", paste0(flags, collapse = "|"), ")(.+)"), "\\2", x[need_names], perl = TRUE)
col_names <- names(x)
x <- data.frame(matrix(x, nrow = 1), stringsAsFactors = FALSE)
colnames(x) <- col_names
x
})
为了将所有内容整合到一个数据框中，我建议plyr包rbind.fill。
require(plyr)
doc_info <- do.call("rbind.fill", doc_info)
doc_attrs <- do.call("rbind.fill", doc_attrs)
doc_all <- cbind(doc_info, doc_attrs)
dim(doc_all)
[1] 3972 22
colnames(doc_all)
[1] "FORMULA:" "CHARGE:" "HEPATONET_1.0_ABBREVIATION:" "EHMN_ABBREVIATION:"
[5] "obo.chebi/CHEBI:" "pubchem.compound/" "hmdb/HMDB" "about"
[9] "INCHI: " "kegg.compound/" "kegg.genes/" "uniprot/"
[13] "drugbank/" "id" "initialConcentration" "constant"
[17] "hasOnlySubstanceUnits" "name" "metaid" "boundaryCondition"
[21] "sboTerm" "compartment"
答案 2 :(得分：1)
作为部分答案，文档使用名称空间，'species'是'id'名称空间的一部分。所以
> xpathSApply(doc, "//id:species", xmlGetAttr, "id", namespaces="id")
[1] "M_10fthf_c" "M_10fthf_m" "M_13dampp_c" "M_h2o_c" "M_o2_c"
[6] "M_bamppald_c" "M_h2o2_c" "M_nh4_c" "M_h_m" "M_nadph_m"
...
id:species和namespaces="id"与您在上面说明的内容不同。