运行 BLAST (bl2seq) 而不创建序列文件

Question

我有一个执行 BLAST 查询 (bl2seq) 的脚本

该脚本的工作原理如下：

1. 获取序列a，序列b
2. 将序列a写入文件a
3. 将序列b写入文件b
4. 运行命令“bl2seq -i filea -j fileb -nblastn”
5. 从 STDOUT 获取输出，解析
6. 重复 2000 万次

程序bl2seq不支持管道。 有什么方法可以做到这一点并避免写入/读取硬盘？

顺便说一句，我正在使用 Python。

Answer 1

根据您运行的操作系统，您可能可以使用类似 的内容bash 的进程替换。我不确定你如何在 Python 中设置它，但你基本上使用命名管道（或命名文件描述符）。如果 bl2seq 尝试在文件中查找，则该方法将不起作用，但如果它只是按顺序读取它们，则应该可以工作。

Answer 2

你怎么知道bl2seq不支持管道？顺便说一句，管道是操作系统的一项功能，而不是程序。如果您的 bl2seq 程序输出某些内容，无论是 STDOUT 还是文件，您应该能够解析输出。检查 bl2seq 的帮助文件以获取输出到文件的选项，例如 -o 选项。然后就可以解析该文件了。

另外，由于您使用的是 Python，因此您可以使用 BioPython 模块。

Answer 3

这是来自 bl2seq 程序吗？ ="nofollow noreferrer">BioPerl？如果是这样，您似乎无法对其进行管道处理。不过，您可以使用 Bio::Tools::Run::AnalysisFactory::Pise 编写自己的黑客代码，这是推荐的方法。不过，您必须在 Perl 中执行此操作。

如果这是不同的 bl2seq，则忽略该消息。无论如何，您可能应该提供更多细节。

Answer 4

哇。我已经弄清楚了。

答案是使用python的子进程模块和管道！

编辑：忘记提及我正在使用blast2，它确实支持管道。

（这是类的一部分）

def _query(self):
    from subprocess import Popen, PIPE, STDOUT
    pipe = Popen([BLAST,
    '-p', 'blastn',
    '-d', self.database,
    '-m', '8'],
    stdin=PIPE,
    stdout=PIPE)
    pipe.stdin.write('%s\n' % self.sequence)
    print pipe.communicate()[0]

其中 self.database 是包含数据库文件名的字符串，即“nt.fa”
self.sequence 是一个包含查询序列的字符串，

这会将输出打印到屏幕上，但您可以轻松地解析它。没有缓慢的磁盘 I/O。没有缓慢的 XML 解析。我将为此编写一个模块并将其放在 github 上。

另外，我还没有做到这一点，但我认为您可以执行多个查询，这样就不需要为每个查询读取blast数据库并将其加载到RAM中。

Answer 5

我使用 R 脚本调用blast2：

....
system("mkfifo seq1")
system("mkfifo seq2")
system("echo  sequence1 > seq1"), wait = FALSE)
system("echo  sequence2 > seq2"), wait = FALSE)
system("blast2 -p blastp -i seq1 -j seq2 -m 8", intern = TRUE)
....

与从硬盘驱动器写入和读取相比，这慢了 2 倍（！）！