Question

我有一个执行BLAST查询的脚本（bl2seq）

脚本的工作原理如下：

获取序列a，序列b

将序列a写入filea

将序列b写入fileb

运行命令'bl2seq -i filea -j fileb -n blastn'

从STDOUT获取输出，解析

重复2000万次

程序bl2seq不支持管道。有没有办法做到这一点，避免写入/读取硬盘？

我正在使用Python BTW。

Answer 1

根据您运行的操作系统，您可以使用bash's process substitution之类的内容。我不确定你是如何在Python中设置的，但你基本上使用的是命名管道（或命名文件描述符）。如果bl2seq尝试在文件中搜索，那将无效，但如果它只是按顺序读取它们就应该有效。

Answer 2

这是来自BioPerl的bl2seq计划吗？如果是这样，它看起来不像你可以管道。但是，您可以使用Bio::Tools::Run::AnalysisFactory::Pise编写自己的hack代码，这是推荐的方法。不过，你必须在Perl中这样做。

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细节。

Answer 3

你怎么知道bl2seq不支持管道。顺便说一句，管道是一个操作系统功能，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-o选项。然后你可以解析文件。

此外，由于您使用的是Python，因此您可以使用BioPython模块。

Answer 4

哇。我弄明白了。

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是一个包含查询序列的字符串

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

另外，我还没有这么远，但我认为你可以做多个查询，这样就不需要为每个查询读取和加载blast数据库。

Answer 5

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)
....

这比写入和读取硬盘慢2倍（！）！

运行BLAST（bl2seq）而不创建序列文件

5 个答案: