Numpy和Biopython必须集成吗？
例如..。我有两个脚本来查看一个(多序列对齐) MSA是否有50多个列，缺口小于50%。
第一个使用BioPython的是4.2秒，包含16281个序列，列为609列(PF00085格式为fasta格式)。Biopython的多序列比对对象的图腾方法耗费了大量的时间。
第二种方法使用简单的IO来生成2D Numpy Array和MSA，使用1.2秒的进行相同的对齐。
我认为MSA对象的Numpy方法可能更有用、更快，例如，可以使用布尔numpy数组来选择特定的行和列。实际上，删除和选择列(例如，删除具有50%间隙的列)非常耗时，在Biopython中没有很好地实现。我认为这对于PDB坐标的nx3 numpy数组也是有用的。
我有五个想法，也许其中一个或两个是有用的：
1-基于numpy而不是str创建一个Seq和多序列对齐对象(Bio.Align.MultipleSeqAlignment)。这可能是一个兼容性问题..。也许这不是个好主意。我不知道。
2-在Biopython中创建一个更快的方法，以便从Biopython对象获得numpy数组版本。我尝试为多个序列对齐对象生成numpy数组，但是这会对getitem方法进行多次调用，它比单独使用Biopython更耗时。但是，也许拥有更多编程技能的人可以做一些更好的事情。
3-为numpy或scipy创建一个模块，为对齐和PDB提供IO支持。也许更简单更有用的想法。
4-创建另一个完整的Bio模块，但基于numpy。可能是在枕骨里或者裸体里。
类似于思想2和3，创建模块和方法，以便在Biopython和numpy对象之间实现更快、更高效的兼容性。
，你觉得呢？什么想法更好呢？你有什么更好的主意吗？可以做点什么吗？我想和Biopython项目合作..。我认为与numpy的集成是一个好的开始。
非常感谢;)
我的两个剧本..。slow，基于Biopython：
#!/usr/bin/python2.7
from sys import argv
from Bio import AlignIO
aln = AlignIO.read(open(argv[1],"r"), "fasta")
longitud = aln.get_alignment_length()
if longitud > 150:
corte = 0.5 * len(aln)
j = 0
i = 0
while j<50 and i<longitud:
if aln[:,i].count("-") < corte:
j += 1
i += 1
if j>=50:
print argv[1]而基于numpy数组的最快方法是：
#!/usr/bin/python2.7
from sys import argv
import numpy as np
with open(argv[1],'r') as archivo:
secuencias=[]
identificadores=[]
temp=[]
for linea in archivo:
if linea[0]=='>':
identificadores.append(linea[1:].replace('\n',''))
secuencias.append(list(temp))
temp=""
else:
temp += linea.replace('\n','')
secuencias.append(list(temp))
sec = np.array(secuencias[1:])
ide = np.array(identificadores)
if len(ide)>150:
corte = len(ide) * 0.5
if np.sum(np.sum(sec=='-',1) < corte) >= 50:
print argv[1]回答 1
Stack Overflow用户
发布于 2012-11-25 18:43:16
如果要对MSA对象执行许多操作，将它们作为字符数组处理是有用的，那么我只需使用Biopython的AlignIO加载对齐，然后将其转换为一个NumPy字符数组。例如：
import numpy as nump
from Bio import AlignIO
filename = "opuntia.aln"
format = "clustal"
alignment = AlignIO.read(filename, format)
align_array = numpy.array([list(rec) for rec in alignment], numpy.character)这个快速示例可以作为to_array方法轻松地添加到对齐对象中，或者包含在本教程中。有帮助吗？
当然，您仍然要支付所有对象创建(Seq对象、SeqRecord对象、空注释字典、对齐对象等)的开销，但这是AlignIO接口的缺点--它适用于一个相对繁重的对象模型。对于FASTA和Clustal这样的简单格式来说，这并不是真正需要的，但是对于诸如斯德哥尔摩这样的丰富的对齐格式来说，这是更有用的。
https://stackoverflow.com/questions/13552916
复制相似问题
腾讯云开发者
