工具篇 Python版Prodigal，性能最高提升100%！(1)

👉
生信软件快看，带你十分钟了解新软件用法，加速你的研究

前言

Prodigal是一款编码蛋白基因（CDS）预测软件，专门用于原核生物的基因组或宏基因组。由于其容易上手的用法和优异的预测性能，截至目前已被引用5756次。

最近在进行细菌的基因注释工作时，发现已有研究人员将起整合成为了python模块（pyrodigal），这项工作已发表在Journal of Open-Source Software上。该模块基于Cython与prodiagal绑定，能够直接与prodigal内部交互，同时优化了一些内容：

• 更强的性能：根据不同的序列而言，运行时间能节省1/3到一半的时间。
• 单一依赖：直接作为Python包分发，不存在Prodigal二进制文件
• 没有中间文件：操作均发生在内存中，序列可直接作为字符串传递
• 更好的内存使用：相比原始版本，采用了更紧凑的数据结构
• 完全相同的结果：pyrodigal经过广泛的测试，保证了与版本v2.6.3+31b300a的prodigal一样的结果。
• 规范化的输出：无需再编写解析代码来读取Prodigal的结果

安装

该软件已托管到PyPI上，所以可以直接使用pip来进行快速安装

$ pip install pyrodigal

或者，也可以通过conda来进行快速安装

$ conda install -c bioconda pyrodigal

基础用法

基于Biopython的用法

案例：从Genebank中加载一个序列，使用pyrodigal搜索其基因，并以Fata格式打印结果

使用方法：pyrodigal.GeneFinder()

单一基因组输入

import Bio.SeqIO
import pyrodigal

record = Bio.SeqIO.read("sequence.gbk", "genbank")

orf_finder = pyrodigal.GeneFinder()
# 对于单一基因组输入下，需要使用train方法，否则无法获取到基因
orf_finder.train(bytes(record.seq))
genes = orf_finder.find_genes(bytes(record.seq))

宏基因组输入

import Bio.SeqIO
import pyrodigal

record = Bio.SeqIO.read("sequence.gbk", "genbank")

orf_finder = pyrodigal.GeneFinder(meta=True) # 需要在方法内部注明meta=True
# 对于宏基因组输入时，软件采用预训练的文档进行分析，因此不需要再呼出train方法训练
for i, pred in enumerate(orf_finder.find_genes(bytes(record.seq))):
    print(f">{record.id}_{i+1}")
    print(pred.translate())

👉
如果biopython版本较旧<1.79，命令：bytes(record.seq)应该更改为record.seq.encode()

基于Scikit-bio的用法

import skbio.io
import pyrodigal

seq = next(skbio.io.read("sequence.gbk", "genbank"))

orf_finder = pyrodigal.GeneFinder(meta=True)
for i, pred in enumerate(orf_finder.find_genes(seq.values.view('B'))):
    print(f">{record.id}_{i+1}")
    print(pred.translate())

---

除了方法GeneFinder实现了Prodigal的核心用法外，Pyrodigal还提供了一些其他API方法，实现Python与Prodigal的深度交互:

• TrainingInfo
• MetagenomicBin
• Genes
• Nodes
• Sequence
• Masks

API方法的详细用法与参数见文档：https://pyrodigal.readthedocs.io/en/stable/api/index.html

输出格式

如前文优点介绍，Pyrodigal 的创建是为了在构建更大的管道时跳过解析 Prodigal 的结果。开发人员也建议通过对象层操作 Pyrodigal 预测的基因，而不是将它们写入文件以便稍后解析。

Genes 基因

将找到的基因序列写入文件write_genes：

genes = orf_finder.find_genes(sequence)
with open("genes.fna", "w") as dst:
**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/526cabff2be9324da2f7c6630c9860be.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/00b83a04b2895d94750433bb6c630576.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />