如何连接由 Bio.SeqIO.index 创建的两个或多个字典？

Question

我希望能够连接存储在“indata”和“pairdata”中的两个“字典”，但是这段代码

indata = SeqIO.index(infile, infmt)
pairdata = SeqIO.index(pairfile, infmt)
indata.update(pairdata)

会产生以下错误：

indata.update(pairdata)
TypeError: update() takes exactly 1 argument (2 given)

我尝试过使用，

indata = SeqIO.to_dict(SeqIO.parse(infile, infmt))
pairdata = SeqIO.to_dict(SeqIO.parse(pairfile, infmt))
indata.update(pairdata)

它确实有效，但生成的字典占用了太多内存对于我拥有的 infile 和pairfile 的大小来说是实用的。

我探索的最后一个选项是：

indata = SeqIO.index_db(indexfile, [infile, pairfile], infmt)

它工作完美，但速度非常慢。有谁知道我如何/是否可以成功连接上面第一个示例中的两个索引？

Answer 1

SeqIO.index 返回一个类似字典的只读对象，因此 update 将无法对其进行操作（对令人困惑的错误消息表示歉意；我刚刚检查了该问题的修复程序）到主 Biopython 存储库）。

最好的方法是使用index_db，这会慢一些，但是
只需要对文件进行一次索引，或者定义更高级别的对象
它就像多个文件的字典。这是一个
简单的例子：

from Bio import SeqIO

class MultiIndexDict:
    def __init__(self, *indexes):
        self._indexes = indexes
    def __getitem__(self, key):
        for idx in self._indexes:
            try:
                return idx[key]
            except KeyError:
                pass
        raise KeyError("{0} not found".format(key))

indata = SeqIO.index("f001", "fasta")
pairdata = SeqIO.index("f002", "fasta")
combo = MultiIndexDict(indata, pairdata)

print combo['gi|3318709|pdb|1A91|'].description
print combo['gi|1348917|gb|G26685|G26685'].description
print combo["key_failure"]

Answer 2

如果您不打算再次使用索引并且内存不是限制（在您的情况下这两者似乎都是正确的），您可以告诉 Bio.SeqIO.index_db(...) 使用内存中的 SQLite3 索引具有特殊索引名称“：memory：”，如下所示：

indata = SeqIO.index_db(":memory:", [infile, pairfile], infmt)

其中infile和pairfile是文件名，infmt是它们在Bio.SeqIO中定义的格式类型（例如“fasta”）。

这实际上是 Python 的 SQLite3 库的通用技巧。对于一小部分文件，这应该比在磁盘上构建 SQLite 索引快得多。