用Biopython解析BLAST结果

这次使用的是 biopython 中解析 blast 结果的功能，随着 blast 版本的不断更新， blast的输出结果的格式也在不断改变，所以这对于 biopython 解析 blast 的结果造成了很大影响，所以 biopython 中一般倾向于处理 xml 格式的 blast 输出结果，因为这种结果的格式一般不随 blast 版本的改变而改变。在进行 blast 的时候需要选择参数 -outfmt 5 即 xml 格式。在使用 biopython 时，加载包的代码是：

from Bio.Blast import NCBIXML

NCBIXML 就是 biopython 中针对解析 xml 格式 blast 结果的子包，要解析结果，同平时的读取文件一样，也需要一个 blast 结果文件的句柄，假设我们的结果文件叫’blast_result.xml’， 那么读取就是：

result_handle = open(‘blast_result.xml’, ’r’)

有了这个句柄，我们就可以通过 biopython 对其进行各种处理了，首先， blasts 的结果是一条一条存在这个句柄文件里的，这时就要分情况讨论，在做 blast 的时候我们是用的一条序列去 blast 还是用的多条序列去 blast，如果是一条，那么在读取这个句柄的时候就可以用：

blast_record = NCBIXML.read(result_handle)

如果是多条：

blast_records = NCBIXML.parse(result_handle)

唯一的区别就是 read 和 parse 的区别，他们的原理都是一样的，即从句柄中提取结果。result_records 对象是一个迭代器，可以允许用户一个接一个的获得 blast 的结果（因为有多条序列）。一般采用 for 循环来挨个读取比对结果：

for blast_record in blast_records:

#do sth. with blast_record

现在，所有有关与 blast 结果的信息都被储存在一条条的 blast_record 中，那么如何提取这些信息？

blast_record 的结果可以分为三大类，调用不同的类可以得到相应的信息：descriptions、 alignments、 multiple_alignment。其中 descriptions 和 alignments 都是以 list 的形式来存储数据的。

·descriptions 下面有四个信息： title、 score、 e、 num_alignments，分别对应数据库中匹配上的序列的标题、匹配的得分、匹配的 e-value、以及多序列比对的数目。

·aligments 下面有三个信息： title、 length、 hsps，分别对应数据库中匹配上的序列的标题、匹配的长度、其中 hsps 是 list 格式的对象，里面储存了 query 和数据库中序列匹配的具体信息，包括匹配得分、 gap 等信息，详细的内容在后面的图片里。

·multiple_alignment 是多序列比对的结果，里面只储存了 alignment 的信息。有了这些具体的方法，在处理 blast 的结果时就不需要写额外的脚本了，只需要提取相关的记录然后进行具体操作就可以了。

同样， biopython 的另一个子包 SearchIO 也可以完成一些类似的工作，而且对于比较简单的需求， SearchIO 的代码相对更加简洁。调用代码：

from Bio import SearchIO

和 NCBIXML 不同的是， SearchIO 在获取 blast 结果文件的时候使用的代码是：

blast_results = SearchIO.parse(‘blast_result.xml’,’blast-xml’)

这个方法不需要先用 open 获得句柄，然后再对句柄进行处理， SearchIO 得到的对象直接就是可以进行各种操作的可迭代对象，这里， read 和 parse 的使用和 NCBIXML 中类似。有了这个对象，就可以提取对象中的各个信息，比如想知道具体是那一条序列和 blast 数据库中的序列比对上了，就可以使用 blast_result.id， id 就指的是具体序列的名字。如果我们想知道 blast 结果中那些序列比对上了，并且把比对上的序列名称存进一个列表进行后续操作，那么代码就是：

#加载 SearchIO

from Bio import SearchIO

#建立用于存储比对上的序列的标题的列表

seq_name=[]

#使用 SearchIO 读取 blast 文件

blast_qresults = SearchIO.parse('blastx_result','blast-xml')

#假设我们使用的是很多序列来进行 blast，这里就使用 for 循环逐个读取每一条序列的比对结果

for blast_qresult in blast_qresults:

#blast_qresult 以列表形式存储比对的结果，如果没有比对上，那么列表长度即为 0，如果比对上了，比对上了多少条那么这里列表的长度就是多少。

if len(blast_qresult)  != 0:

#比对上的序列名称存进建好的列表

    seq_name.append(blast_qresult.id)

更多内容： http://biopython-cn.readthedocs.io/zh_CN/latest/