计算特定格式（Python）内的组数（具有特定 TAG）

Question

大家好我需要一些帮助:

我不知道你是否熟悉系统发育树，但这里有一个例子：

   /-YP_001604167.1
  |
  |--YP_001604351.1
--|
  |      /-seq_TAG2_Canis_taurus
  |   /-|
  |  |   \-seq_TAG2_Canis_austracus
   \-|
     |   /-YP_001798528.1
      \-|
        |   /-YP_009173671.1
         \-|
           |   /-seq_TAG1_Mus_musculus
            \-|
              |   /-seq_TAG1_Mus_griseus
               \-|
                 |   /-seq_TAG2_Canis_canis
                  \-|
                    |   /-seq_TAG2_Canis_familiaris
                     \-|
                        \-seq_TAG2_Canis_lupus

这棵树是用一种叫做 newick 的特定格式编码的：

'(YP_001604167.1,YP_001604351.1,((seq_TAG2_Canis_austracus,seq_TAG2_Canis_taurus),(YP_001798528.1,(YP_009173671.1,(seq_TAG1_Mus_musculus,(seq_TAG1_Mus_griseus,(seq_TAG2_Canis_lupus,(seq_TAG2_Canis_familiaris,seq_TAG2_Canis_canis))))))));'

格式说明：

树以分号结尾。这棵树中最底部的节点是内部节点，而不是尖端。内部节点由一对匹配的括号表示。它们之间是节点 (seq_names) 的表示，这些节点 (seq_names) 与 node 直接 descended，由 commas.

分隔

儿子，如果我有类似的东西：

(A,(B,C));

则表示B与C关系较近，A关系最远。

我的问题的想法是找到一种方法，例如使用 python 来计算具有相同“TAG_number”且彼此之间比任何其他更接近的组的数量TAG_number 或 YP_number 个节点。

例如，TAG2表示在2 groups中，其中(seq_TAG2_Canis_taurus, seq_TAG2_Canis_austracus)在一起，第二组(seq_TAG2_Canis_canis, (seq_TAG2_Canis_familiaris , seq_TAG2_Canis_lupus))在一起。如您所见，对于 TAG1，它们中的 none 嵌套在一起，因为 seq_TAG1_Mus_griseus 比 TAG1 seq_TAG1_Mus_musculus 更接近组 (seq_TAG2_Canis_canis, (seq_TAG2_Canis_familiaris , seq_TAG2_Canis_lupus)) .

所以结果应该是这样的：

groups for TAG_1 : 0 
groups for TAG_2 : 2

我知道 Python 或 R 中的一些包可以用来判断 TAG_number 是否在“monophyletic groups”中，但是没有什么可以告诉其中的组数如果 TAG_number 组在树中分裂，则树。

如果你有什么想法可以做到这一点？非常感谢。

问题的其他部分：

现在我有一个 Species phylogeny 例如：

|         /-Canis_taurus
|      /-|
|     |   \-Canis_astracus
|   /-|
|  |  |   /-Canis_africus
|  |   \-|
|  |     |   /-Canis_familiaris
 \-|      \-|
   |         \-Canis _lupus
   |
   |   /-Canis_canis
    \-|
       \-Lupus_lupus

and 这个想法是在前面过程中评估的每个 monophyletic groups 中，在物种系统发育中的进化枝的 MRCA 形成的进化枝内计算节点的数量。

所以我有 2 groups:

第一个：

#    /-TAG2, seq_TAG2_Canis_austracus
# --|
#    \-TAG2, seq_TAG2_Canis_taurus
#

这里 Canis_austracus 和 Canis_taurus 在物种系统发育中共享一个 MRCA，这个祖先形成了由 2 species (Canis_austracus and Canis_taurus)

因此物种系统发育树中的 Nb 物种 = 2

#    /-TAG2, seq_TAG2_Canis_lupus
# --|
#   |   /-TAG2, seq_TAG2_Canis_familiaris
#    \-|
#       \-TAG2, seq_TAG2_Canis_canis

这里的 3 个类群共享一个 MRCA，这个祖先形成了由物种系统发育中的所有物种组成的进化枝 (7)

因此物种系统发育树中的 Nb 物种 = 7

Answer 1

也许 get_monophyletic of ete3 是您所需要的？ http://etetoolkit.org/docs/latest/reference/reference_tree.html?highlight=get_monophyletic#ete3.TreeNode.get_monophyletic

从 ete3 导入树导入重新

# build tree
t = Tree("(YP_001604167.1,YP_001604351.1,"
         "((seq_TAG2_Canis_austracus,seq_TAG2_Canis_taurus),"
         "(YP_001798528.1,(YP_009173671.1,(seq_TAG1_Mus_musculus,"
         "(seq_TAG1_Mus_griseus,(seq_TAG2_Canis_lupus,"
         "(seq_TAG2_Canis_familiaris,seq_TAG2_Canis_canis))))))));")

# set tag as leave attribute
for leaf in t:
    # get tag from name
    tag = re.search('TAG[0-9]', leaf.name)
    tag = tag.group(0) if tag else None
    leaf.add_features(tag=tag)

# show the hole tree
print(t.get_ascii(attributes=["name", "tag"], show_internal=False))

# show all monophyletic groups for tag=TAG2
for node in t.get_monophyletic(values=["TAG2"], target_attr="tag"):
    print(node.get_ascii(attributes=["tag", "name"], show_internal=False))


#    /-TAG2, seq_TAG2_Canis_austracus
# --|
#    \-TAG2, seq_TAG2_Canis_taurus
#
#    /-TAG2, seq_TAG2_Canis_lupus
# --|
#   |   /-TAG2, seq_TAG2_Canis_familiaris
#    \-|
#       \-TAG2, seq_TAG2_Canis_canis

计算特定格式（Python）内的组数（具有特定 TAG）

Count number of groups (with specific TAG) within a specific format (with Python)

python

python-3.x

phylogeny