TechOverflow Logo
TechOverflow

Python 中的 GeneOntology OBO v1.4 解析器

English Deutsch 简体中文

GeneOntology Consortium 以 OBO v1.2 格式提供 GO 术语的批量数据下载。

如果你 Google GO OBO parser，会发现缺少一些东西。你可以轻松找到 Perl 解析器、Java 解析器，但连 BioPython 都没有 Python 解析器。然而，格式本身似乎为 Python 的生成器概念量身定制。只需要几行 SLOC 就可以让它工作而不将所有内容存储在 RAM 中。

我在一个允许交互式搜索 GO 的原型项目中使用了此解析器（它很快）。我不确定何时/是否会发布它，但这里是解析器代码。

只需将两个函数复制到你的代码库，它除了 Python 标准库中的 collections.defaultdict 外没有任何依赖。

obo_parser.py
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
GeneOntology OBO v1.2 和 v1.4 格式的恒定空间解析器

https://owlcollab.github.io/oboformat/doc/GO.format.obo-1_4.html

版本 1.1：Python3 就绪和 --verbose CLI 选项
"""
from __future__ import with_statement
from collections import defaultdict

__author__    = "Uli Köhler"
__copyright__ = "Copyright 2013 Uli Köhler"
__license__   = "Apache v2.0"
__version__   = "1.1"

def processGOTerm(goTerm):
    """
    在表示 GO 术语的对象中，用其唯一成员替换单元素列表。
    返回修改后的对象作为字典。
    """
    ret = dict(goTerm) #输入是 defaultdict，可能表现出意外行为
    for key, value in ret.items():
        if len(value) == 1:
            ret[key] = value[0]
    return ret

def parseGOOBO(filename):
    """
    解析 OBO v1.2 格式的 Gene Ontology 转储。
    生成每个
    关键字参数：
        filename：要读取的文件名
    """
    with open(filename, "r") as infile:
        currentGOTerm = None
        for line in infile:
            line = line.strip()
            if not line: continue #跳过空行
            if line == "[Term]":
                if currentGOTerm: yield processGOTerm(currentGOTerm)
                currentGOTerm = defaultdict(list)
            elif line == "[Typedef]":
                #跳过 [Typedef] 部分
                currentGOTerm = None
            else: #不是 [Term]
                #仅当我们在 [Term] 环境内时处理
                if currentGOTerm is None: continue
                key, sep, val = line.partition(":")
                currentGOTerm[key].append(val.strip())
        #添加最后一个术语
        if currentGOTerm is not None:
            yield processGOTerm(currentGOTerm)

if __name__ == "__main__":
    """打印给定 GO OBO 文件中 GO 对象的数量"""
    import argparse
    parser = argparse.ArgumentParser()
    parser.add_argument('infile', help='GO OBO v1.2 格式的输入文件。')
    parser.add_argument('-v', '--verbose', action="store_true",
                        help='打印所有 GO 项而不是仅打印它们的计数')
    args = parser.parse_args()
    #迭代 GO 术语
    termCounter = 0
    if args.verbose:
        for goTerm in parseGOOBO(args.infile):
            print(goTerm)
    else:
        for goTerm in parseGOOBO(args.infile):
            termCounter += 1
        print ("Found %d GO terms" % termCounter)
Check out similar posts by category: Bioinformatics, Python