代码之家 › 专栏 › 技术社区 › Gloom

用多个热休克蛋白消除爆炸打击

blast biopython bioinformatics python

0

Gloom · 技术社区 · 7 年前

我有一个大的BLAST(outfmt 6)输出文件。我有兴趣在这个文件中找到对等同系物,但我想排除与多个热休克蛋白点击,例如。

Seq1    Seq2    (alignment 1: evalue bitscore etc)
Seq1    Seq2    (alignment 2: evalue bitscore etc)
Seq3    Seq4    (alignment 1: evalue bitscore etc)
Seq4    Seq5    (alignment 1: evalue bitscore etc)
Seq2    Seq1    (alignment 1: evalue bitscore etc)
Seq2    Seq1    (alignment 2: evalue bitscore etc)
Seq4    Seq3    (alignment 1: evalue bitscore etc)

有人能给我一些建议吗?

谢谢!

1 回复 | 直到 7 年前

1

Hielke Walinga 7 年前

Python就可以了。

from collections import defaultdict

hsp_count = defaultdict(int)
for line in open("file"):
    seq1, seq2, _ = line.split(maxsplit=2)
    hsp_count[seq1, seq2] += 1

already_checked = set()
for (seq1, seq2), val1 in hsp_count.items():
    if (seq2, seq1) in already_checked:
        continue
    val2 = hsp_count.get((seq2, seq1))
    if not val2:
        continue
    already_checked.add((seq1, seq2))
    if val1 == 1 and val2 == 1:
        print(seq1, seq2)