Question

我第一次使用Biopython。我有来自未知生物的序列数据，并尝试使用BLAST来判断它们最有可能来自哪个生物体。我写了以下函数来做到这一点：

def find_organism(file):
    """
    Receives a fasta file with a single seq, and uses BLAST to find
    from which organism it was taken.
    """
    # get seq from fasta file
    seqRecord = SeqIO.read(file,"fasta")
    # run BLAST
    blastResult = NCBIWWW.qblast("blastn", "nt", seqRecord.seq)
    # get first hit
    blastRecord = NCBIXML.read(blastResult)
    firstHit = blastRecord.alignments[0]
    # get hit's gi number
    title = firstHit.title
    gi = title.split("|")[1]
    # search NCBI for the gi number
    ncbiResult = Entrez.efetch(db="nucleotide", id=gi, rettype="gb", retmode="text")
    ncbiResultSeqRec = SeqIO.read(ncbiResult,"gb")
    # get organism
    annotatDict = ncbiResultSeqRec.annotations
    return(annotatDict['organism'])

它工作正常，但每个物种需要大约2分钟才能找回生物体，这对我来说似乎很慢。我只是想知道我能不能做得更好。我知道我可以创建一个NCBI的本地副本来提高性能，我可能会这样做。但是，我怀疑先查询BLAST，然后拿id并用它来查询Entrez不是要走的路。您还有其他改进建议吗？
谢谢！

Answer 1

你可以通过以下方式获取有机体：

[...]
blastResult = NCBIWWW.qblast("blastn", "nt", seqRecord.seq)
blastRecord = NCBIXML.read(blastResult)

first_organism = blastRecord.descriptions[0]

这至少可以保存efetch查询。无论如何，“爆炸”可能需要很长时间，如果你打算大规模查询NCBI，你将被禁止。

使用Biopython通过BLAST检索未知序列的详细信息

1 个答案: