Python 使用NCBIXML仅解析BLAST输出中的前3个命中

我修改了一段代码，如下所示，以解析blastxml输出中所需的信息

import csv
from Bio.Blast import NCBIXML
blast_records = NCBIXML.parse(open('PGblast.xml', 'rU'))

output = csv.writer(open('PGhit.csv','w'), delimiter =',',
                    quoting=csv.QUOTE_NONNUMERIC)
output.writerow(["Query","Hit ID", "Hit Def", "E-Value"])

E_VALUE_THRESH = 0.00000000000000001

for blast_record in blast_records:
    for alignment in blast_record.alignments:
        for hsp in alignment.hsps:
            if hsp.expect < E_VALUE_THRESH:
                output.writerow([blast_record.query[:8],
                                 alignment.hit_id, alignment.hit_def,hsp.expect])

blast_records.close()

导入csv
从Bio.Blast导入NCBIXML
blast_records=NCBIXML.parse（open（'PGblast.xml'，'rU'））
output=csv.writer（打开（'PGhit.csv'，'w'），分隔符='，'，
quoting=csv。QUOTE（非数字）
output.writerow（[“查询”、“命中ID”、“命中定义”、“E值”]）
E_值_阈值=0.00000000000000001
对于blast_记录中的blast_记录：
对于blast_记录中的对齐。对齐：
对于alignment.hsps中的hsp：
如果hsp.expect

代码允许我解析带有E值截断的命中。但是，我希望解析blastxml输出中的最佳命中率或前3个命中率，因为BLAST输出文件的大小很大

解析每个命中结果将花费大量时间来处理，事实上我不希望所有命中结果都被解析

---

有人能帮我吗？

只解析每个命中的前3个HSP，而不解析整个文件，需要您编写自己的自定义XML解析器。Biopython的NCBIXML并没有做到这一点

但是，如果您希望提高速度，可以尝试新的SearchIO子模块(http://biopython.org/wiki/SearchIO). 它有一个新的blastxml解析器，应该比旧的NCBIXML解析器更快。旧的解析器依赖于纯Python XML解析器，而SearchIO中的新解析器尽可能使用

cElementTree

---

子模块仍然是新的和实验性的，所以在正式发布之前可能还有一些变化。如果您感兴趣，这里还有一个教程草稿：。

我不明白，您想要e值排名前三，但不想解析整个文件？可能我的问题不清楚，对不起。我希望解析BLAST输出文件中每个查询的最佳命中率或最佳3次命中率。我不知道的是，您可以根据内容筛选条目，而无需以某种方式解析每条记录。@LevLevitsky，我认为KJ Lim希望每条BLAST_记录的前3次对齐。因此，您必须决定如何对所有路线的HSP进行称重，排序并选择前3位…@deinonychusaur您是对的。我想要每个blast_记录的前3个点击对齐（0,1,2），或者换句话说，将前三个点击切分。我有77k+blast_记录要解析，每个blast_记录有10个命中结果。因此，我想从每一张blast_唱片中选出前三名。谢谢，鲍。谢谢你的帽子小费。我快速阅读了教程，类似于“前三首歌曲的片段”是我试图在这里寻求指导或建议的内容。我会把那一节通读一遍，不客气。请注意，即使在“切片前三次点击”示例中，SearchIO解析器也已经解析了整个文件。如果您遇到任何问题，请转到Biopython邮件列表（）并提出您的问题：）。