python blast在线比对 每天最多数万条

本文介绍了如何使用Python结合selenium自动化处理大量碱基序列的在线BLAST比对,通过Request ID异步获取结果,提高了效率。讨论了处理过程中可能出现的比对失败和页面异常情况。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

python blast在线比对、每天可达数万条

背景:在碱基序列,如

TRINITY_DN931509_c0_g1_i1
GCACGTTCTTCTCGATGCTGACGGAGCGAGGCGCGCTGGCGGAGCTGATGGC
GGCGCAGCTGGAGCGAGGGCGCACGCCGCGGGTGCGCCGGCGCCGGCCGC
GCCCCAGGCCCAGGGCCAGGCCGCGCCCGAGGCCGAGGAGTAGGAAATAAT
GATCTGTGACGAAACTAACCCACCCCTCGAGCTTGCGGAAATGCTGGAATCTG
CGACGTAGGCACTACTCGAACTTGAG

需要比对(即Basic Local Alignment Search Tool,BLAST)时,采取的方式主要有如下 :

  1. 美国国立生物技术信息中心(National Center for Biotechnology Information ,NCBI)官网提供免费在线blast服务
  2. 搭建本地的blast环境。
  3. 使用云服务商提供的付费BLAST服务,如blast2go

当需比对碱基序列量少时,即不考虑时间的情况下,上述三种方式均可;但如果需要大量比对时,常规操作下三种方式各有利弊,第一种和第三种的共同点——慢;第二种的比对极大消耗本地服务器集群的算力。本文试图改良第一种方式提高效率

一.啰嗦一下在线BLAST的流程

1.首先进入比对网址:https://blast.ncbi.nlm.nih.gov/Blast.cgi?PROGRAM=blastx&PAGE_TYPE=BlastSearch&BLAST_SPEC=&LINK_LOC=blasttab&LAST_PAGE=blastn
在线blast序列可采用两种上传方式,直接粘贴到输入框,或上传本地序列文件,如下图。
序列上传页面
2.然后根据需要配置其他参数,点击下方的”BLAST” 按钮进入漫长的等待(主要时间为等待NCBI服务器处理提交的序列)如下图
等待比对结果页面
这个页面会自动刷新,当比对完成后刷新出的截面就是结果页面;请注意图中红框标出的”Request ID” 的值,后面要用到。
3.结果页面如下图
比对结果选择下拉框

在多选框选定某特定碱基序列的选项,页面会自动跳转到该结果的页面(通过该页面定义为GetResults()的JavaScript函数),然后再根据需要再此页面索取信息。有时BLAST会匹配不到结果(这是序列自身与数据库中的碱基对没匹配上,请跟后面会提到的比对失败区别开),上图中,选项较浅且以 * 开头的为没有匹配到结果的序列,即这些序列的匹配结果为NULL或空。

二、分析

1.F12碱基序列提交后的等待页面发现页面在不断的发送一个POST包到指定地址,以询问是否出结果,如果出结果则跳转到结果页面(恕小弟才疏学浅没有发现POST包的构成规律)。
2.发现结果页面有GET方法可以访问https://blast.ncbi.nlm.nih.gov/Blast.cgi?CMD=Get&RID=***********;其中***********为上文提到的Request ID;也即是说,提交碱基序列过程和信息抓取过程可以分开,浏览器不必一直等待结果。可以提交序列,然后得到Request ID,另一个程序或设备用Request ID来抓取数据。
3.访问到结果页面后,通过不断选择下拉框的方式来获得同一批提交的不同的碱基序列的结果,而这些操作,使用python+selenium是方便的。
4.不断向NCBI服务器发起比对请求,并使用多线程的方式处理不同比对RID的结果,提高程序效率。

三、实际操作

  1. 环境:

    windows 10+python 3.6.5(推荐搭配PyCharm)+phantomjs +Mysql

  2. 用到的python第三方扩展包:

    1. selenium
    2. pymysql
    3. openpyxl
  3. 预处理:

    1. Mysql中新建table2表存放碱基序列,结构为
n id dna

其中n为自增的主键,id为碱基序列的名称,dna为碱基序列。
2.Mysql中新建submit表存放Request ID,结构为

RID TTime len

其中TTime为碱基序列提交的时间,len为本次提交的总长度。

将待处理碱基序列导入表table2中。可以参考下列python代码

import pymysql
def sp(st):#分离序列的ID和序列
    b=st.split('\n')
    ID=b[0]
    DNAs=''
    for i in b:
        if b.index(i)==0:
            continue
        DNAs=DNAs+i
    return ID, DNAs
def DOSQLin(n,idL,DNAs):
#生成插入SQL语句
    id=idL.split(' ')
    ID=id[0]
    sql = "insert into table2 (n,id,dna) values (%s,'%s','%s');"%(n,ID,DNAs)
    return sql
f = open('C:\\*.fasta','r') #
All=f.read()
a=All.split('>')#每一条序列都是>开头的
del a[0]#删除第一个空元素
#链接数据库
conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='luanchen',db='blast')
cur = conn.cursor()
n=1
for i in a:
    ID,DNA=sp(i)
    sql=DOSQLin(n, ID, DNA)
    try:
        cur.execute(sql)
    except:
        prio
cur.close()
conn.cmmit()#提交改变结果
conn.close()

四、提交碱基序列得到Request ID

过程分为下列步骤:

  1. 从mysql表中得到若干条待比对的碱基序列,再将这若干条从mysql表中删除;
  2. 将1中得到的序列生成一个本地文件(*.fasta) ;
  3. 通过selenium的方式打开在线BLAST网页,上传2得到的文件;
  4. 得到上传文件后的Request ID,并保存;
  5. 重复1~4直至mysql table2表中没有序列。

python代码(尽量加了很多注释,实际写得很乱…)

import string
from time import sleep
from selenium import webdriver
from selenium.webdriver.common.by 
### 多序列在线BLAST比对的实现方法 在生物信息学中,多序列比对(Multiple Sequence Alignment, MSA)是一种用于比较多个生物序列的技术。然而,BLAST(Basic Local Alignment Search Tool)主要用于快速搜索和比对单个或成对序列[^1]。如果需要进行多序列在线BLAST比对,可以采用以下策略: #### 1. 使用NCBI BLAST工具进行批量序列比对 NCBI提供了一个强大的在线平台,支持用户上传多个序列文件以进行批量比对。通过将FASTA格式的多序列文件上传至NCBI BLAST网站,可以选择合适的数据库(如核酸或蛋白质数据库)并调整参数以完成比对任务[^2]。 ```python # 示例代码:使用Biopython模块调用NCBI BLAST服务 from Bio.Blast import NCBIWWW from Bio.Seq import Seq sequences = [ Seq("ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG"), Seq("ATGACCGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG"), ] # 将多个序列合并为一个字符串 fasta_string = "\n".join([f">seq{i+1}\n{str(seq)}" for i, seq in enumerate(sequences)]) # 调用NCBI BLAST服务 result_handle = NCBIWWW.qblast("blastn", "nt", fasta_string) # 打印结果 print(result_handle.read()) ``` #### 2. 利用CLUSTAL Omega结合BLAST进行多序列比对 对于更复杂的多序列比对需求,可以先使用CLUSTAL Omega等专门的MSA工具生成初步比对结果,再将这些结果导入BLAST工具进行进一步分析。这种方法能够更好地处理序列间的保守区域和功能位点[^3]。 #### 3. 使用本地BLAST工具处理多序列数据 如果在线工具无法满足需求,还可以下载并安装本地版本的BLAST软件包。通过配置自定义数据库和脚本自动化流程,可以高效地完成大规模多序列比对任务。 ```bash # 示例命令:使用本地BLAST工具进行多序列比对 makeblastdb -in reference_sequences.fasta -dbtype nucl blastn -query query_sequences.fasta -db reference_sequences.fasta -out results.txt -outfmt 6 ``` 以上方法均能有效解决多序列在线BLAST比对问题,具体选择取决于实际应用场景及资源限制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值