Bio.SearchIO.ExonerateIO包

子模块

• Bio.SearchIO.ExonerateIO.exonerate_雪茄模块
  • ExonerateCigarParser
    • ExonerateCigarParser.parse_alignment_block()
    • ExonerateCigarParser.__abstractmethods__
  • ExonerateCigarIndexer
    • ExonerateCigarIndexer.get_qresult_id()
    • ExonerateCigarIndexer.__abstractmethods__
• Bio.SearchIO.ExonerateIO.exonerate_Text模块
  • ExonerateTextParser
    • ExonerateTextParser.parse_alignment_block()
    • ExonerateTextParser.__abstractmethods__
  • ExonerateTextIndexer
    • ExonerateTextIndexer.get_qresult_id()
    • ExonerateTextIndexer.get_raw()
    • ExonerateTextIndexer.__abstractmethods__
• Bio.SearchIO.ExonerateIO.exonerate_GUALGAR模块
  • ExonerateVulgarParser
    • ExonerateVulgarParser.parse_alignment_block()
    • ExonerateVulgarParser.__abstractmethods__
  • ExonerateVulgarIndexer
    • ExonerateVulgarIndexer.get_qresult_id()
    • ExonerateVulgarIndexer.get_raw()
    • ExonerateVulgarIndexer.__abstractmethods__

模块内容

Bio.SearchIO支持免责输出格式。

此模块添加了对处理免责输出的支持。Exonerate是一种用于成对序列比较的通用工具，它允许您使用几个不同的模型来比对序列。

Bio.SearchIO.ExonerateIO在以下免责版本和型号上进行了测试：

• 版本：2.2

• 型号：-affine：local-cdna2基因组-编码2编码-est2基因组-基因组2ome-ner-protein 2dna-protein 2基因组-未映射-未映射：已翻译

虽然模型测试不是详尽的，但ExonerateIO应该能够处理所有免除责任的模型。如果您偶然发现无法解析的文件，请提交错误报告。

有关免责的更多信息，请访问其主页：www.ebi.ac.uk/~Guy/exonerate/

支持的格式

• 纯文本对齐-‘免责-文本’-解析，索引

• 粗俗的行-‘无罪-粗俗’-解析，索引

• 雪茄行-‘免责-雪茄’-解析，索引

在免责时，这些输出格式并不是彼此独占的。例如，您可能在同一文件中同时具有纯文本和粗俗输出。但是，ExonerateIO一次只能处理其中一个。例如，如果您有一个同时包含纯文本和粗俗行的文件，则必须选择“exonerate-text”或“exonerate-gugar”来解析它。

由于雪茄格式规范，对齐的许多特征(如内含子或移帧)可能会折叠成单个特征(在这种情况下，它们被标记为“D”，表示“删除”)。解析器不会尝试猜测它遇到的D标签是真正的删除还是折叠的特征。因此，与使用“exonerate-text”或“exonerate-gugar”相比，使用“exonerate-cigar”进行解析或索引可能会产生不同的结果。

免责-文本

纯文本输出/C4对齐是由‘--showalignemnt’标志触发的输出。与其他两种输出格式相比，该格式包含的信息最多，具有完整的比对查询和命中序列。

以下是ExonerateIO可以处理的C4输出对齐的一些示例(坐标未按比例书写)：

1. simple ungapped alignments

       1 : ATGGGCAATATCCTTCGGAAAGGTCAGCAAAT :      56
           ||||||||||||||||||||||||||||||||
 1319275 : ATGGGCAATATCCTTCGGAAAGGTCAGCAAAT : 1319220

2. alignments with frameshifts:

     129 : -TGCCGTTACCAT----GACGAAAGTATTAAT : 160
           -CysArgTyrHis----AspGluSerIleAsn
           #||||||||||||####|||||||||||||||
           #CysArgTyrHis####AspGluSerIleAsn
 1234593 : GTGCCGTTACCATCGGTGACGAAAGTATTAAT : 1234630

3. alignments with introns and split codons:

    382 :    {A}                             {CC}AAA                 :    358
          AAA{T}  >>>> Target Intron 3 >>>>  {hr}LysATGAGCGATGAAAATA
          || { }++         55423 bp        ++{  } !  |||  ||||||||||
          AAC{L}gt.........................ag{eu}AspTTGAATGATGAAAATA
  42322 :    {C}                             {TG}GAT                 :  97769

4. alignments with NER blocks

    111 : CAGAAAA--<   31  >--CTGCCCAGAAT--<   10  >--AACGAGCGTTCCG- :    184
          | |||||--< NER 1 >--| ||||| | |--< NER 2 >--|||  | ||||||-
 297911 : CTGAAAA--<   29  >--CCGCCCAAAGT--<   13  >--AACTGGAGTTCCG- : 297993

ExonerateIO相当广泛地利用HSPFragment模型来处理非未映射对齐。对于任何单个HSPFragment，如果ExonerateIO看到内含子、NER挡路或FrameShift，它会将片段拆分成两个HSPFragment对象，并相应地调整它们的开始和结束坐标。

您可能会注意到，exonerate总是使用三个字母的氨基酸代码来显示蛋白质序列。如果蛋白质本身是查询序列的一部分，比如在protein 2dna模型中，ExonerateIO会将蛋白质序列转换为使用一个字母代码。这是因为存储序列的SeqRecord对象仅为单字母序列设计。如果exonerate还输出基础核苷酸序列，则它将保存到 aln_annotation 作为三元组列表的条目。

如果蛋白质序列不是实际比对的一部分，例如在est2基因组或genome2基因组模型中，ExonerateIO将保留这三个字母代码，并将它们存储为 aln_annotation 条目。在这些情况下，命中和查询序列可以直接用作SeqRecord对象，因为它们是一个字母的核苷酸代码。然后，将三个字母的蛋白质序列作为条目存储在 aln_annotation 字典。

对于‘exonerate-text’，ExonerateIO提供以下对象属性：

对象	属性	价值
QueryResult	描述	查询序列描述
	ID号	查询序列ID
	型号	路线模型
	计划	“开脱罪责”
命中	描述	命中序列描述
	ID号	命中序列ID
HSP	hit_split_codons	命中序列中的拆分密码子坐标列表
	得分	对齐分数
	query_split_codons	查询序列中的拆分密码子坐标列表
HSPFragment	aln_annotation	比对相似字符串、命中序列注释和/或查询序列注释
	命中	命中序列
	hit_end	命中序列结束坐标
	hit_frame	命中序列读取框
	hit_start	命中序列开始坐标
	hit_strand	命中序列链
	查询	查询序列
	query_end	查询序列结束坐标
	query_frame	查询序列阅读框
	query_start	查询序列起始坐标
	query_strand	查询序列链

请注意，您还可以使用默认的HSP或HSPFragment属性。例如，要检查结果的内含子坐标，可以使用 query_inter_ranges 或 hit_inter_ranges 属性：

>>> from Bio import SearchIO
>>> fname = 'Exonerate/exn_22_m_genome2genome.exn'
>>> all_qresult = list(SearchIO.parse(fname, 'exonerate-text'))
>>> hsp = all_qresult[-1][-1][-1]   # last qresult, last hit, last hsp
>>> hsp
HSP(...)
>>> hsp.query_inter_ranges
[(388, 449), (284, 319), (198, 198), (114, 161)]
>>> hsp.hit_inter_ranges
[(487387, 641682), (386207, 487327), (208677, 386123), (71917, 208639)]

在这里您可以看到，对于查询内含子和命中内含子，每个元组中的坐标总是(start，end)where start<=end。但是，当您将每个元组与下一个元组进行比较时，坐标会减少。这表明查询和命中序列都位于负链上。免责输出减去STRING结果以递减的方式进行；开始坐标始终大于结束坐标。ExonerateIO将片段排序作为一个整体保留，但使用其自己的标准来存储单个片段的开始和结束坐标。

您可能还注意到，中的第三个元组 query_inter_ranges 是(198,198)，两个完全相同的数字。这意味着查询序列在该位置没有任何间隙。这个缺口只出现在命中序列中，我们看到第三个元组包含(208677,386123)，大约有177k个碱基的缺口。

另一个示例是使用 hit_frame_all 和 query_frame_all 要查看对齐中是否有任何移帧，请执行以下操作：

>>> from Bio import SearchIO
>>> fname = 'Exonerate/exn_22_m_coding2coding_fshifts.exn'
>>> qresult = next(SearchIO.parse(fname, 'exonerate-text'))
>>> hsp = qresult[0][0]      # first hit, first hsp
>>> hsp
HSP(...)
>>> hsp.query_frame_all
[1, 2, 2, 2]
>>> hsp.hit_frame_all
[1, 1, 3, 1]

在这里，您可以看到对齐作为一个整体有三个框架移位。第一个出现在查询序列中，在第一个片段之后(1->2个移位)，第二个出现在命中序列中，在第二个片段之后(1->3个移位)，最后一个也出现在命中序列中，在最后一个片段之前(3->1个移位)。

您还可以使用其他默认HSP属性来简化您的工作流。有关更多详细信息，请参阅HSP对象文档。

免责-粗俗

粗俗格式提供了一种简洁的方式来表示由Exonerate创建的对齐。通常，除了“模型”信息和实际序列本身之外，它包含的信息与纯文本输出相同。您可以预期使用‘exonerate-text’和‘exonerate-gugar’得到的坐标是相同的。这两种格式还使用相同的触发器创建HSPFragment：内含子、NER块和/或帧移位。

免责雪茄

雪茄格式提供了对免责对齐的更紧凑的表示。然而，这是以丢失信息为代价的。例如，在雪茄形式中，内含子被视为简单的缺失。这使得解析器不可能区分简单的删除或内含子区域。因此，与“免责-粗俗”或“免责文本”相比，“免责雪茄”可能会产生不同的坐标组和碎片。