序列比对在biopython中的处理

欢迎关注”生信修炼手册”!

序列比对是生物信息学分析中的常见任务，包含局部比对和全局比对两大算法，局部比对最经典的代表是blast, 全局比对则用于多序列比对。在biopython中，支持对序列比对的结果进行读写，解析，以及运行序列比对的程序。

首先来看下多序列比对，多序列比对的软件较多，比如clustalw, muscle, mafft等，输出结果的格式也很多，比如clustal, fasta, phylip等。在biopython中，为不同格式，不同软件提供了统一的接口，方便我们的使用

1. 读取多序列比对结果

通过Bio.AlignIO模块来对多序列比对结果进行读写，其中的parse方法用于从文件句柄中读取多序列比对的内容，用法如下

>>> from Bio import AlignIO
>>> alignment = AlignIO.parse('clustal.out', 'clustal')
>>> print(alignment)
<generator object parse at 0x0928C300>
>>> for i in alignment:
...     print(i.id)
...

该方法的返回值是一个迭代器，每次迭代，返回的是一个SeqRecord对象。

2. 输出多序列比对结果

通过write方法将多序列比对的结果输出到文件中，可以指定输出文件的格式，用法如下

>>> alignments = AlignIO.parse("aln.fasta", "fasta")
>>> AlignIO.write(alignments, "aln.clustal", "clustal")

和Bio.SeqIO相同，针对格式转换，也体用了convert方法，用法如下

>>> count = AlignIO.convert("aln.fasta", "fasta", "align.clustal", "clustal")

3. 运行多序列比对程序

为了简化调用，在Bio.Applicaitons模块中，提供了各种应有的调用接口。对于多序列比对结果，默认调用位于本地PATH环境变量下的可执行程序，来执行对应的命令，以clustalw为例，用法如下

>>> from Bio.Align.Applications import ClustalwCommandline
>>> cline = ClustalwCommandline("clustalw2", infile="input.fasta")

第一个参数指定可执行程序，如果可执行程序位于PATH变量下，指定可执行程序的名称即可，否则需要指定可执行程序的完整路径。clustalw会根据输入文件的名称，自动确定输出文件的名字。当然，也可以通过参数指定输出文件的名字。

Bio.Applicaitons模块通过subprocess来调用程序，我们可以借此来读取程序的标准输出和标准错误流信息。比如以muscle为例，通过直接读取标准输出，避免了创建临时文件，示例如下

>>> import subprocess
>>> from Bio.Align.Applications import MuscleCommandline
>>> from Bio import AlignIO
>>