Bio.SearchIO.BlatIO 模块

用于 BLAT 输出格式的 Bio.SearchIO 解析器。

此模块添加了对解析 BLAT 输出的支持。BLAT（BLAST-Like Alignment Tool）是一种序列相似性搜索程序，最初是为注释人类基因组而构建的。

Bio.SearchIO.BlastIO 已使用独立 BLAT 版本 34、psLayout 版本 3 进行测试。它应该能够毫无问题地解析 psLayout 版本 4。

有关 BLAT 的更多信息，请访问以下网站：

• 出版物：http://genome.cshlp.org/content/12/4/656

• 用户指南：http://genome.ucsc.edu/goldenPath/help/blatSpec.html

• 源代码下载：http://www.soe.ucsc.edu/~kent/src

• 可执行文件下载：http://hgdownload.cse.ucsc.edu/admin/exe/

• Blat 评分计算：http://genome.ucsc.edu/FAQ/FAQblat.html#blat4

支持的格式

BlatIO 支持对 PSL 和 PSLX 输出格式进行解析、索引和写入，无论是否包含标题。要解析、索引或写入 PSLX 文件，请使用 'pslx' 关键字参数并将其设置为 True。

>>> # blat-psl defaults to PSL files
>>> from Bio import SearchIO
>>> psl = 'Blat/psl_34_004.psl'
>>> qresult = SearchIO.read(psl, 'blat-psl')
>>> qresult
QueryResult(id='hg19_dna', 10 hits)

>>> # set the pslx flag to parse PSLX files
>>> pslx = 'Blat/pslx_34_004.pslx'
>>> qresult = SearchIO.read(pslx, 'blat-psl', pslx=True)
>>> qresult
QueryResult(id='hg19_dna', 10 hits)

对于解析和索引，您无需指定文件是否包含标题。对于写入，如果您想写入标题，可以将 'header' 关键字参数设置为 True。这将向您的输出文件写入 'psLayout 版本 3' 标题。

>>> from Bio import SearchIO
>>> qresult = SearchIO.read(psl, "blat-psl")
>>> SearchIO.write(qresult, "example.psl", "blat-psl", header=True)
(1, 10, 19, 23)
>>> import os
>>> os.remove("example.psl")

请注意，写入的 HSPFragment 数量可能超过 HSP 对象的数量。这是因为在 PSL 文件中，可以将单个匹配项组成非连续的序列片段。这就是 HSPFragment 对象发挥作用的地方。这些片段被归组到单个 HSP 中，因为它们共享相同的统计信息（例如匹配数量、BLAT 评分等）。但是，它们不共享相同的序列属性，例如起点和终点坐标，这使得它们成为不同的对象。

除了解析 PSL(X) 文件外，BlatIO 还会计算搜索结果的百分比标识和评分。这是使用此处发布的计算公式完成的：http://genome.ucsc.edu/FAQ/FAQblat.html#blat4。它模仿了 UCSC 的 Web BLAT 服务所做的评分和百分比标识计算。

由于 BlatIO 以单次传递的方式解析文件，因此它期望来自同一查询的所有结果都在连续的行中。如果来自一个查询的结果分布在非连续的行中，那么 BlatIO 将认为它们是单独的 QueryResult 对象。

在大多数情况下，PSL(X) 格式使用与 Python 相同的坐标系（从零开始，半开）。这些坐标固定在正链上。但是，如果查询与负链对齐，则 BLAT 将在负链上固定 qStarts 坐标。BlatIO 知道这一点，并且每当它看到负链查询匹配时，它都会将 qStarts 坐标重新固定到正链上。相反，当您写入 PSL(X) 文件时，BlatIO 将再次将 qStarts 重新固定到负链上。

BlatIO 提供以下属性-列映射

对象	属性	列名，值
QueryResult	id	Q name，查询序列 ID
	seq_len	Q size，查询序列完整长度
Hit	id	T name，命中序列 ID
	seq_len	T size，命中序列完整长度
HSP	hit_end	T end，最后一个命中片段的结束坐标
	hit_gap_num	T gap bases，插入到命中序列的碱基数量
	hit_gapopen_num	T gap count，命中序列中插入的间隙数量
	hit_span_all	blockSizes，每个片段的大小
	hit_start	T start，第一个命中片段的起始坐标
	hit_start_all	tStarts，每个命中片段的起始坐标
	match_num	match，非重复匹配的数量
	mismatch_num	mismatch，错配的数量
	match_rep_num	rep. match，属于重复序列的匹配数量
	n_num	N’s，N 碱基的数量
	query_end	Q end，最后一个查询片段的结束坐标
	query_gap_num	query fragment Q gap bases，插入到查询序列的碱基数量
	query_gapopen_num	Q gap count，查询序列中插入的间隙数量
	query_span_all	blockSizes，每个片段的大小
	query_start	Q start，第一个查询块的起始坐标
	query_start_all	qStarts，每个查询片段的起始坐标
	len [1]	block count，比对中的块数量
HSPFragment	hit	hit sequence，如果存在
	hit_strand	strand，命中序列链
	query	query sequence，如果存在
	query_strand	strand，查询序列链

除了上面的列映射之外，BlatIO 还提供以下对象属性

对象	属性	值
HSP	gapopen_num	Q gap count + T gap count，间隙打开的总数 间隙打开的数量
	ident_num	matches + repmatches，相同残基的总数
	ident_pct	百分比标识，使用 UCSC 的公式计算
	query_is_protein	布尔值，查询序列是否为蛋白质
	score	HSP 评分，使用 UCSC 的公式计算

最后，还提供了默认的 HSP 和 HSPFragment 属性。有关这些属性的更多详细信息，请参阅 HSP 和 HSPFragment 文档。

[1]

可以通过在 HSP 上调用 len 来获取 HSP 中的块/片段数量

class Bio.SearchIO.BlatIO.BlatPslParser(handle, pslx=False)

基类：object

用于 BLAT PSL 格式的解析器。

__init__(handle, pslx=False)

初始化类。

__iter__()

遍历 BlatPslParser，生成查询结果。

class Bio.SearchIO.BlatIO.BlatPslIndexer(filename, pslx=False)

基类：SearchIndexer

用于 BLAT PSL 输出的索引器类。

__init__(filename, pslx=False)

初始化类。

__iter__()

遍历文件句柄；生成键、起始偏移量和长度。

get_raw(offset)

返回给定偏移量的 QueryResult 对象的原始字节字符串。

__abstractmethods__ = frozenset({})

class Bio.SearchIO.BlatIO.BlatPslWriter(handle, header=False, pslx=False)

基类：object

用于 blat-psl 格式的写入器。

__init__(handle, header=False, pslx=False)

初始化类。

write_file(qresults)

将查询结果写入文件。