Question

我正在尝试global alignment模块中的Biopython方法。在短序列上使用它很容易，并且可以直接给出对齐矩阵。但是我真的需要在更大的序列上运行它（平均长度为2000 nucleatides (or) characters）。但是我一直遇到Out of Memory错误。我查看了SO并找到了this之前的问题。提供的答案没有帮助，因为它们链接到现在无法访问的this相同网站。除此之外，我尝试了以下步骤：

我尝试使用64-bit python，因为我的个人计算机有4gb个RAM。
ssh加入了一个16gb内存较小的学校服务器，并尝试在其上运行。它在接近4个小时后仍在运行。

由于它是一个小脚本，我不确定如何修改它。非常感谢您的帮助。

我的剧本：

import os
from Bio import pairwise2
from Bio.pairwise2 import format_alignment

file_list = []

file_list = [each for each in os.listdir(os.getcwd()) if each.endswith(".dna")]

align_file = open("seq_align.aln","w")

seq_list = []

for each_file in file_list:
    f_o = open(each_file,"r")
    seq_list.append(f_o.read())

for a in pairwise2.align.globalmx(seq_list[0],seq_list[1]):
    align_file.write(format_alignment(*a))

align_file.close()

Answer 1

所以学校服务器终于完成了任务。我意识到，对于每个比对，构建和计算了1000个矩阵。 align.globalxx方法有一个变量MAX_ALIGNMENT，默认设置为1000。通过monkey patching dint更改它确实改变了任何东西。文档说，该方法尝试所有可能的对齐（是1000），但在我的情况下，所有矩阵具有相同的对齐分数（以及我尝试的几个测试序列）。最后，文档中的一小段评论指出，如果您只需要1分，请使用仅接受one_alignment_only值的可选参数boolean。我所做的就是：

for a in pairwise2.align.globalmx(seq_list[0],seq_list[1],one_alignment_only=True):
    align_file.write(format_alignment(*a))

这大大减少了时间。但是我的PC仍然崩溃所以我认为这是一项内存密集型任务，需要更多RAM（16gb在小型服务器上）。因此，应该考虑一种更有效的方法来读取矩阵中的序列。

Biopython Global Alignment：Out of Memory

1 个答案: