NCBI 的 taxonomy的nodes.dmp 如何向上查找指定等级的taxid-CSDN博客

本文链接：https://blog.csdn.net/dujidan/article/details/118804763

本文介绍了如何使用Python解析NCBI taxonomy的nodes.dmp文件，实现从指定税号向上查找特定等级的父级taxid，适用于属（genus）级查找，并提供了一个函数`taxid2parent`来批量处理多个输入税号。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NCBI 的 taxonomy的nodes.dmp 如何向上查找指定等级的taxid

# -*- coding: utf-8 -*-
"""
Created on Mon Jul  7 17:17:13 2021

@author: dujidan
"""

import sys

nodes_file = 'taxonomy/nodes.dmp'


def nodes2dict(nodes_file):
    nodes_p_r_dict = {}
    with open(nodes_file) as f_nodes:
        node_data_list = [i.split('\t') for i in f_nodes.read().strip().split('\n')]
    for line_list in node_data_list:
        taxid = line_list[0]
        parent_taxid = line_list[2]
        rank = line_list[4]
        nodes_p_r_dict[taxid] = {'parent_taxid': parent_taxid,
                                'rank': rank}
    return nodes_p_r_dict


def find_parent_in_lvl(input_taxid, nodes_p_r_dict, taxonomy_lvl='genus', up_count=0):
    up_count += 1
    if up_count >= 20:
        return False
    parent_taxid = nodes_p_r_dict[input_taxid]['parent_taxid']
    rank = nodes_p_r_dict[input_taxid]['rank']
    # print(rank, taxonomy_lvl)
    if rank == taxonomy_lvl:
        # print(input_taxid, rank)
        return input_taxid
    else:
        return find_parent_in_lvl(parent_taxid, nodes_p_r_dict, taxonomy_lvl, up_count)


def taxid2parent(input_taxid_list, taxonomy_lvl='genus', nodes_file='/home/sunxijun/ref/metagenome/kraken2_db/taxonomy/nodes.dmp'):
    return_list = []
    nodes_p_r_dict = nodes2dict(nodes_file)
    # modified input list
    if type(input_taxid_list) is list:
        input_taxid_list = input_taxid_list
    else:
        input_taxid_list = eval(input_taxid_list)
    # find taxid parent 
    for input_taxid in input_taxid_list:
        if input_taxid not in nodes_p_r_dict.keys():
            print(input_taxid, '\ttaxid_error')
            return_list.append([input_taxid, 'taxid_error'])
        else:
            parent_taxid = find_parent_in_lvl(str(input_taxid), nodes_p_r_dict=nodes_p_r_dict, taxonomy_lvl='genus')
            print(f'{input_taxid}\t{parent_taxid}')
            return_list.append([input_taxid, parent_taxid])
    return return_list


if __name__ == '__main__':
    if len(sys.argv) != 2:
        print(f'Error:\n   python3 {sys.argv[0]} \t [taxid_1,taxid_2]')
        sys.exit(1)
    
    input_taxid_list = sys.argv[1]  #[9606,35]
    parent_taxid_list = taxid2parent(input_taxid_list)