读取浮雕对齐文件时，AlignIO会发出'AssertionError'

Question

我已经坚持了三天的问题......到处搜索，发布在Biostar上，仍在等待EMBL回复电子邮件......如果我有更多的代表，我会获得赏金。

使用EMBOSSwin needle()（成对全局比对）对齐序列后，我得到pair格式的对齐文件，文件扩展名为.needle。我想使用Biopython来读取这些对齐以供以后分析。

我按照Biopython's AlignIO wiki中的说明使用AlignIO.read(open('alignment.needle'),'emboss')，但我不断获得AssertionError。

我的代码：

>>> from Bio import AlignIO
>>> alignment = AlignIO.read(open("data/all/out/pair1_alignment.needle"), "emboss")

我的错误：

Traceback (most recent call last):
  File "<console>", line 1, in <module>
  File "C:\Python27\lib\Bio\AlignIO\__init__.py", line 423, in read
    first = next(iterator)
  File "C:\Python27\lib\Bio\AlignIO\__init__.py", line 370, in parse
    for a in i:
  File "C:\Python27\lib\Bio\AlignIO\EmbossIO.py", line 150, in __next__
    assert seq.replace("-", "") != ""
AssertionError

示例对齐文件：

下载对齐文件here

版本：

• Windows 7
• Python版本2.7.3
• Biopython版本1.63
• EMBOSS版本2.10.0-0.8

线索：

我怀疑这可能与我在实际进行对齐时遇到的警告信息有关，这是由EMBOSS needle()函数输出的：

Warning: Sequence character string not found in ajSeqCvtKS

Answer 1

BioStars上的重复帖子，http://www.biostars.org/p/87226/#87399

这似乎是EMBOSS输出的微妙变化。你有一个非常老的版本，EMBOSS版本2。10。0（2005年2月），你的输出文件有这样的行：

gag             1288 --------------------------------------------------   1287

使用较新版本的EMBOSS（例如6.3.0），给出如下行：

gag             1287 --------------------------------------------------   1287

Biopython解析器期望后者用于没有字母的对齐部分（例如，当一个序列比另一个序列长得多时），其中开始和结束坐标一致。请更新您的EMBOSS副本，然后解析器应该很高兴。目前的EMBOSS版本是6.5.0版本。

Answer 2

问题是您将错误的格式文件传递给Biopython。解释如下。

格式

您链接到的文件格式为srspair（请参阅pair1_aligned.fasta标题）。值得注意的是，不是 FASTA format - 这是一种完全不同的格式。

深入研究source of Biopython's EmbossIO，我们可以看到EmbossIterator（格式为AlignIO.read时由'emboss'调用）仅用于处理格式{ {1}}和pair（有关各种格式的说明，请参阅Alignment formats）。

解决方案

如果您以simple格式导出EMBOSS的输出（然后像之前一样调用pair），那么这应该可以解决您的问题。