使用多个 HSP 删除 BLAST 命中

Question

我有一个很大的 BLAST (outfmt 6) 输出文件。我有兴趣在此文件中找到相互同系物，但我想排除具有多个 HSP 的命中，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)

在这种情况下，只有序列 3 和 4 之间的比对将被返回，因为 1 和 2 之间的比对共享多个 HSP，而 4 和 5 之间的比对只有一个单向命中。我希望在 python 中执行此操作，以便我可以将其插入我的程序的其余部分。

任何人都可以就任何可能引导我走向正确方向的线程（等）提出建议吗？

谢谢！

Answer 1

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)

使用多个 HSP 删除 BLAST 命中

Removing BLAST hits with multiple HSPs

python

bioinformatics

biopython

blast