使用 PhyloXML 模块处理 phyloXML 文件。

在 Bio.Phylo 中，Biopython 用于处理系统发育树的模块，PhyloXML 和 PhyloXMLIO 子模块负责解析、生成和操作 phyloXML 格式的文件。

关于格式

一个完整的 phyloXML 文档有一个带有 phyloxml 标签的根节点。根节点下直接是一系列 phylogeny 元素（系统发育树），后面可能还有一些不在 phyloXML 规范中的其他任意数据。这些系统发育树的主要结构元素是 Clade：树有一个 clade 属性以及其他属性，每个 clade 递归地包含一系列 clade（以及其他属性）。

每个 XML 节点的子节点和属性被映射到 PhyloXML 模块中的类，尽可能保持相同的名称；XML 文档结构在 Bio.Phylo.PhyloXMLIO.read() 生成的 Phyloxml 对象中得到了很好的体现，并且 Bio.Phylo.read() 和 parse() 生成的 Phylogeny 对象也是如此。

例如，这个 XML（来自 Tests/PhyloXML/example.xml）

<?xml version="1.0" encoding="UTF-8"?>
<phyloxml xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.phyloxml.org http://www.phyloxml.org/1.10/phyloxml.xsd" xmlns="http://www.phyloxml.org">
   <phylogeny rooted="true">
      <name>An example</name>
      <clade>
         <clade branch_length="0.06">
            <clade branch_length="0.102">
               <name>A</name>
            </clade>
            <clade branch_length="0.23">
               <name>B</name>
            </clade>
         </clade>
         <clade branch_length="0.4">
            <name>C</name>
         </clade>
      </clade>
   </phylogeny>
 </phyloxml>

会生成一个这样的对象层次结构

>>> from Bio import Phylo
>>> tree = Phylo.read("example.xml", "phyloxml")
>>> print(tree)
Phylogeny(description='phyloXML allows to use either a "branch_length" attribute
...', name='example from Prof. Joe Felsensteins book "Inferring Phyl..."', roote
d=True)
    Clade()
        Clade(branch_length=0.06)
            Clade(branch_length=0.102, name='A')
            Clade(branch_length=0.23, name='B')
        Clade(branch_length=0.4, name='C')
>>>

它表示这样的一个系统发育树

>>> Phylo.draw_ascii(tree)


                 __________________ A
      __________|
    _|          |___________________________________________ B
     |
     |___________________________________________________________________________ C
>>>

树对象是从 Bio.Phylo 中的基类派生的；有关此对象表示的更多信息，请参阅该页面。

I/O 函数

要开始使用 phyloXML 文件，请使用 Phylo 包，并将 'phyloxml' 作为格式参数

>>> from Bio import Phylo
>>> tree = Phylo.read('some-trees.xml', 'phyloxml')
# ValueError: There are multiple trees in this file; use parse() instead.
>>> trees = Phylo.parse('some-trees.xml', 'phyloxml')
>>> Phylo.write(trees.next(), 'first-tree.xml', 'phyloxml')
1
>>> Phylo.write(trees, 'rest-trees.xml', 'phyloxml')
12

这些函数与来自 Bio.Phylo.PhyloXML 模块的 Phylogeny 对象（从 BaseTree.Tree 派生）一起工作。对于大多数用例，这个标准 API 就足够了。

PhyloXMLIO

在 Bio.Phylo 中，phyloXML 格式的 I/O 函数在 PhyloXMLIO 子模块中实现。要访问一些超出基本 Phylo I/O API 的附加功能，或者跳过每次都指定 'phyloxml' 格式参数，可以直接导入它

from Bio.Phylo import PhyloXMLIO

read() 函数返回一个表示整个文件数据的单个 Bio.Phylo.PhyloXML.Phyloxml 对象。系统发育树在 .phylogenies 属性中，任何其他任意数据都存储在 .other 中。

>>> phx = PhyloXMLIO.read('phyloxml_examples.xml')
>>> print(phx)
Phyloxml
>>> len(phx.phylogenies)
13
>>> len(phx.other)
1
>>> print(phx.other)
[Other(tag='alignment', namespace='http://example.org/align')]
>>> print(phx.other[0].children)
[Other(tag='seq', namespace='http://www.phyloxml.org', value='acgtcgcggcccgtggaagtcctctcct'),
Other(tag='seq', namespace='http://www.phyloxml.org', value='aggtcgcggcctgtggaagtcctctcct'),
Other(tag='seq', namespace='http://www.phyloxml.org', value='taaatcgc--cccgtgg-agtccc-cct')]

如果您对“其他”数据不感兴趣，可以使用 parse() 来迭代地仅构建文件中包含的系统发育树——这与使用 'phyloxml' 格式参数调用 Phylo.parse() 完全相同。

PhyloXMLIO.write() 与 Phylo.write() 类似，但它还可以接受一个 Phyloxml 对象（read() 或 to_phyloxml() 的结果）进行序列化。可以选择指定 UTF-8 以外的编码。

>>> phx = PhyloXMLIO.read('phyloxml_examples.xml')
>>> print(phx.other)
[Other(tag='alignment', namespace='http://example.org/align')]
>>> phx.other = []
>>> PhyloXMLIO.write(phx, 'ex_no_other.xml')
13
>>> phx_no = PhyloXMLIO.read('ex_no_other.xml')
>>> phx_no.other
[]

PhyloXMLIO 还包含一个名为 dump_tags() 的实用程序，用于打印在 phyloXML 文件中遇到的所有 XML 标签。这对于调试很有帮助，或者可以在命令行中与 grep 或 sort -u 一起使用以获取 phyloXML 文件包含的标签列表。

>>> PhyloXMLIO.dump_tags('phyloxml_examples.xml')
{http://www.phyloxml.org}phyloxml
{http://www.phyloxml.org}phylogeny
{http://www.phyloxml.org}name
{http://www.phyloxml.org}description
{http://www.phyloxml.org}clade
...

使用 PhyloXML 对象

在合理的地方支持标准 Python 语法糖。

• str() 会创建一个包含对象类名称和标识符的字符串，适用于在生成的图形中为节点添加标签
• repr() 会创建一个类似于对象构造函数调用的字符串，这样 eval(repr(obj)) 将为更简单的 PhyloXML 对象返回 obj，至少可以部分重建更复杂的对象。
• iter() 受 PhyloXML 和 Clade 对象的支持，分别对包含的系统发育树和子 clade 进行迭代
• len() 受支持迭代的相同对象的 支持，具有预期结果

Clade 对象还支持切片和多重索引

tree = Phylo.parse("example.xml", "phyloxml").next()
assert tree.clade[0] == tree.clade.clades[0]
assert tree.clade[0, 1] == tree.clade.clades[0].clades[1]

由于有效的 Phylogeny 对象总是只有一个 clade 属性，因此这种索引方式是一种便捷的方式，可以让你在知道确切位置的情况下，访问树中深埋的特定节点。

有两种方法可以将选择转换为新的 PhyloXML 对象：Phylogeny.to_phyloxml() 和 Clade.to_phylogeny()。一些用例

• 解析包含多个系统发育树的 phyloXML 文件。依次检查每棵树，并在找到具有所需特征的树时，将其隔离为新的 PhyloXML 对象。

for tree in Phylo.parse("example.xml", "phyloxml"):
    if tree.name == "monitor lizards":
        mon_lizard_tree = tree.to_phyloxml()

• 提取特定的子 clade 并将其作为单独的系统发育树（可能还需要一个新的 phyloXML 文件）。

tree = Phylo.parse("example.xml", "phyloxml").next()
best = None
for clade in tree.clade:
    if clade.confidences[0].type == "bootstrap" and (
        best is None or clade.confidences[0].value > best.confidences[0].value
    ):
        best = clade
phyloxml = best.to_phylogeny(rooted=True).to_phyloxml()
Phylo.write(phyloxml, "example_best.xml", "phyloxml")

核心类

Phyloxml

• 用于保存系统发育树的容器；不受顶级 Bio.Phylo I/O 函数使用

Phylogeny

• 从 Tree 派生——全局树对象

Clade

• 从 Subtree 派生——表示对象树中的节点，以及本地信息

Other

• 表示包含在 phyloXML 文件中但没有被 phyloXML 规范描述的数据

注释类型

(待定)

与 Biopython 的其他部分集成

此模块使用的类继承自 Phylo 模块的通用 BaseTree 类，因此可以访问这些基类上定义的方法。由于 phyloXML 规范非常详细，这些子类被保存在一个单独的模块 Bio.Phylo.PhyloXML 中，并提供用于在 phyloXML 和标准 Biopython 类型之间转换的附加方法。

PhyloXML.Sequence 类包含用于在 Biopython SeqRecord 对象之间转换的方法——to_seqrecord() 和 from_seqrecord()。这包括分子序列 mol_seq) 作为 Seq 对象，以及蛋白质结构域体系结构作为 SeqFeature 对象的列表。同样，PhyloXML.ProteinDomain 对象有一个 .to_seqfeature() 方法。

性能

此解析器旨在能够处理大型文件，这意味着数千个外部节点（有关 Python 相关 XML 解析器的基准测试，请参见 此处）。它已通过此大小的文件测试；例如，完整的 NCBI 分类系统大约需要 100 秒才能解析，并消耗约 1.3 GB 的内存。如果系统中有足够的内存可用，写入器也可以重建这种大小的 phyloXML 文件。

read() 和 parse() 函数以大约相同的 CPU 时间处理一个完整的文件。大部分底层代码是相同的，大部分时间都花在了构建 Clade 对象（最常见的节点类型）上。对于小型文件（小于 ncbi_taxonomy_mollusca.xml），write() 函数将完整的对象序列化回一个等效文件的速度比相应的 read() 调用略慢；对于非常大的文件，write() 完成的速度比 read() 更快。

以下是一些在 2.00GHz Intel Xeon E5405 处理器（仅使用 1 个 CPU 内核）上运行的 7.7GB 内存时间，运行在 Ubuntu 9.04 上的标准 Python 2.6.2，为每个函数选择 3 次运行中最好的结果

为了比较，Forester 和 ATV（见下文）中使用的基于 Java 的解析器读取相同文件的速度大约是 3-5 倍，对于最大的文件，速度甚至可以提高 15 倍。

代码夏令营项目

此模块由 Eric Talevich 开发，作为 2009 年 Google 代码夏令营项目，为 Biopython 提供对 phyloXML 的支持，NESCent 作为指导组织，Brad Chapman 和 Christian Zmasek 作为导师。该项目的首页位于：PhyloSoC:Biopython 支持解析和编写 phyloXML

之后开发了 Phylo 模块，以便将此代码与 Biopython 的其他部分集成。

相关软件

Christian Zmasek 是 phyloXML 规范的作者之一，他已经发布了一些使用这种格式的软件

• Forester——一个用于处理系统发育数据的 Java 和 Ruby 库集合
• Archaopteryx——用于可视化带注释的系统发育树的 Java 应用程序（也可以以小程序的形式使用）

另一个列表保存在 此处。