Skip to main content
 首页 » 编程设计

python之计算特定格式(使用 Python)中的组数(具有特定 TAG)

2024年11月24日9tintown

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:

树以分号结束。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,这些节点是 node 的直接 descended,由 逗号 分隔。

儿子,如果我有类似的东西:

(A,(B,C));  

那么就说明B和C的关系比较近,A的关系最远。

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 以 2 组表示,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,它们都没有嵌套在一起,因为 seq_TAG1_Mus_griseus 更接近组 (seq_TAG2_Canis_canis, (seq_TAG2_Canis_familiaris, seq_TAG2_Canis_lupus)) 与其他 TAG1 seq_TAG1_Mus_musculus 相比。

所以结果应该是这样的:

groups for TAG_1 : 0  
groups for TAG_2 : 2  

我知道可以使用 Python 或 R 中的一些包来判断 TAG_number 是否在“单系群”中,但是如果 则没有什么可以告诉树中的组数TAG_number 个组在树中拆分。

如果您有任何想法可以做到这一点?非常感谢。

问题的其他部分:

现在我有了一个物种系统发育学,例如:

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

并且这个想法是在之前过程中评估的每个单系群中,计算物种系统发育中由进化枝的 MRCA 形成的进化枝内的节点数。

所以我有2组:

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 并且这个祖先形成了由 2 物种组成的进化枝(Canis_austracus 和 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 个分类单元共享一个 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

请您参考如下方法:

也许 ete3 的 get_monophyletic 就是您所需要的? 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