使用多个HSP删除BLAST命中

Question

我有一个大爆炸(outfmt 6)输出文件。我有兴趣在这个文件中找到相互的同系物，但我想排除与多个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之间的对齐将被返回，因为在1到2之间共享多个HSPs，而在4和5之间的对齐只有单向命中。我希望在python中这样做，这样我就可以将它与我的程序的其余部分连接起来。

有人能告诉我任何可能引导我走向正确方向的线索吗？

谢谢!

Answer 1

Python在这种情况下是可以的。

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)