Biopython中有间隙对齐的PWM算法

Question

我正在尝试在Biopython中从Clustalw多序列比对中生成一个位置加权矩阵(PWM)。每次使用间隔对齐时，我都会收到“错误的字母表”错误。通过阅读文档，我认为我需要利用deal来处理deal对齐中的'-‘字符。但是当我这样做的时候，它仍然不能解决错误。有没有人看到这段代码的问题，或者有更好的方法从有间隙的Clustal对齐生成PWM？

from Bio.Alphabet import Gapped
alignment = AlignIO.read("filename.clustalw", "clustal", alphabet=Gapped)
m = Motif.Motif()
for a in alignment:
    m.add_instance(a.seq)
m.pwm()

Answer 1

所以你想用clustal来做这些有缝隙的排列？我用的是Perl，我看你用的是Python，但逻辑基本上是一样的。我使用对clustal可执行文件的系统调用，而不是使用BioPerl/Biopython。我相信clustalw2可执行文件无需调用字母表即可处理间隔对齐。不是百分之百确定，但这是我使用的脚本，它对我有效。创建一个包含所有对齐文件的目录(我使用的是.fasta，但您可以更改系统调用中的标志以接受其他文件)。这是我的Perl脚本，您必须修改最后一行中的可执行路径以匹配clustal在您计算机上的位置。希望这能对你有所帮助。作为附注，这对于快速进行许多对齐非常有用，这就是我使用它的目的，但如果您只想对齐几个文件，则可能希望跳过创建目录的整个过程，并修改代码以接受文件路径而不是目录路径。

#!/usr/bin/perl 


use warnings;

print "Please type the list file name of protein fasta files to align (end the directory    path with a / or this will fail!): ";
$directory = <STDIN>;
chomp $directory;

opendir (DIR,$directory) or die $!;

my @file = readdir DIR;
closedir DIR;

my $add="_align.fasta";

foreach $file (@file) {
     my $infile = "$directory$file";
 (my $fileprefix = $infile) =~ s/\.[^.]+$//;
 my $outfile="$fileprefix$add";
 system "/Users/Wes/Desktop/eggNOG_files/clustalw-2.1-macosx/clustalw2 -INFILE=$infile -OUTFILE=$outfile -OUTPUT=FASTA -tree";
}

干杯，韦斯