GO的obo文件解析Python
GO的obo文件解析Python代码
在现在的组学研究中几乎离不开GO分析，那么GO是干什么的呢，GO的诞生主要目的是来归类 统一生物学方言的（不同的生物学数据库可能会使用不同的术语），它是一个有向无环图（DAG）本体,主要形式是一term标记，每个GO term代表一种功能描述，都属于ontology，而GO总共分成三个ontology:molecular function, cellular component和biological process
介绍：
在现在的组学研究中几乎离不开GO分析，那么GO是干什么的呢，GO的诞生主要目的是来归类 统一生物学方言的（不同的生物学数据库可能会使用不同的术语），它是一个有向无环图（DAG）本体,主要形式是一term标记，每个GO term代表一种功能描述，都属于ontology，而GO总共分成三个ontology:molecular function, cellular component和biological process；在GO中GO term之间存在多种关系，常见的主要是is_a和part_of和两种关系，is_a：表示包含关系，如图中黑色箭头，需要强调的是“完全包含”；Part_of：表示一部分，如图蓝色箭头部分，简单的来说是A part_of_B意味着如果A出现，那么它就肯定是B的一部分或组成部分，但A不一定总会出现。比如叶绿体 part_of 细胞，叶绿体肯定是细胞的一部分，但有的细胞没有叶绿体。
使用：
了解GO之后，怎么使用它是一个永远的话题，比如手头有一个基因序列但不知道它的功能，那么经常的做法是会进行GO注释，从 GO注释中来推断这个基因序列的功能，然而这个跟我写这篇文章没有半毛钱关系，我写这篇文章主要是来分享一下对于GO的obo文件的解析的，obo文件是用来存储所有GO term关系的文件，感觉编不下去了，直接贴代码了。
#encoding:utf-8
'''
Created on 2017.5.29
@author: zhura
'''
class GOBase(object):
def __init__(self,_id):
self._id=_id
self.alt_ids=[]
self.name=''
self.namespace=''
self.parent=None
self.level=-1
self.allParents=None
class ObOs(object):
def __init__(self,path):
self.path=path
self.map={}
self.parseObO()
def parseObO(self):
f=open(self.path)
lines=f.readlines()
f.close()
_goTxt=[]
flag=False
for line in lines:
line=line.rstrip('\n').strip()
if flag:
_goTxt.append(line)
if flag and line=='':
self.parseGO(_goTxt)
_goTxt=[]
flag=False
if line.find('[Term]')==0:
flag=True
def parseGO(self,_goText):
_id=None
_name=''
_namespace=''
_is_as=[]
_alt_ids=[]
for _txt in _goText:
if _txt.find('id:')==0:
_id=_txt[_txt.find('GO'):_txt.find('GO')+10]
elif _txt.find('name:')==0:
_name=_txt[5:len(_txt)].rstrip().lstrip()
elif _txt.find('namespace:')==0:
_namespace=_txt[10:len(_txt)].rstrip().lstrip()
elif _txt.find('alt_id:')==0:
_alt_ids.append(_txt[_txt.find('GO'):_txt.find('GO')+10])
elif _txt.find('is_a:')==0 or _txt.find('relationship:')==0:
_is_as.append(_txt[_txt.find('GO'):_txt.find('GO')+10])
if _id:
_go=None
if self.map.has_key(_id):
_go=self.map[_id]
else:
_go=GOBase(_id)
_go.name=_name
_go.namespace=_namespace
_go.parent=self.parseParent(_is_as)
_go.alt_ids=_alt_ids
self.map[_id]=_go
if len(_alt_ids)>0:
for _alt in _alt_ids:
self.map[_alt]=_go
def parseParent(self,is_as):
__parent=[]
for isa in is_as:
if not self.map.has_key(isa):
cGo=GOBase(isa)
self.map[isa]=cGo
__parent.append(isa)
return __parent
def getLevel(self,_id):
_min=100000
_go=self.map[_id]
if _go.level>0:
pass
elif len(_go.parent)==0:
_go.level=1
else:
for g in _go.parent:
lev=self.getLevel(g)
if _min>lev:
_min=lev
_go.level=_min+1
return _go.level
def getAllParent(self,_id):
_prs=[_id]
_go=self.map[_id]
if not _go.allParents is None:
return _go.allParents
if _go.parent is None or len(_go.parent)==0:
_go.allParents=_prs
return _go.allParents
for g in _go.parent:
ap=self.getAllParent(g)
_prs.extend(ap)
_go.allParents=list(set(_prs))
return _go.allParents
if __name__ == '__main__':
obo='D:/bgDB/go-basic.obo.txt'
ob=ObOs(obo)
print ob.getAllParent('GO:0004322')
print ob.getLevel('GO:0004322')
print ob.getLevel('GO:0003824')
