Многопроцессный, различный процесс чтения одного и того же файла

Question

Я пытаюсь смоделировать некоторые чтения последовательности ДНК, и, чтобы ускорить код, мне нужно запустить его параллельно.

По сути, я пытаюсь сделать следующее: я выполняю выборочные чтения из человеческого генома, и я думаю, что один из двух процессов из многопроцессорного модуля пытается получить данные из одного файла (человеческого генома), процессы повреждены и он не может получить желаемую последовательность ДНК. Я пробовал разные вещи, но я очень плохо знаком с параллельным программированием и не могу решить свою проблему

Когда я запускаю скрипт с одним ядром, он работает нормально.

Это способ, которым я вызываю функцию

if __name__ == '__main__':
    jobs = []
    # init the processes
    for i in range(number_of_cores):
        length= 100
        lock = mp.Manager().Lock()
        p = mp.Process(target=simulations.sim_reads,args=(lock,FastaFile, "/home/inigo/msc_thesis/genome_data/hg38.fa",length,paired,results_dir,spawn_reads[i],temp_file_names[i]))
        jobs.append(p)
        p.start()
    for p in jobs:
        p.join()

И это функция, которую я использую для чтения, где каждый процесс записывает данные в отдельный файл.

def sim_single_end(lc,fastafile,chr,chr_pos_start,chr_pos_end,read_length, unique_id):

    lc.acquire()
    left_split_read = fastafile.fetch(chr, chr_pos_end - (read_length / 2), chr_pos_end)
    right_split_read = fastafile.fetch(chr, chr_pos_start, chr_pos_start + (read_length / 2))
    reversed_left_split_read = left_split_read[::-1]
    total_read = reversed_left_split_read + right_split_read
    seq_id = "id:%s-%s|left_pos:%s-%s|right:%s-%s " % (unique_id,chr, int(chr_pos_end - (read_length / 2)), int(chr_pos_end), int(chr_pos_start),int(chr_pos_start + (read_length / 2)))
    quality = "I" * read_length
    fastq_string = "@%s\n%s\n+\n%s\n" % (seq_id, total_read, quality)
    lc.release()
    new_record = SeqIO.read(StringIO(fastq_string), "fastq")
    return(new_record)

Вот обратная связь:

Traceback (most recent call last):
  File "/usr/lib/python3.5/multiprocessing/process.py", line 249, in _bootstrap
    self.run()
  File "/usr/lib/python3.5/multiprocessing/process.py", line 93, in run
    self._target(*self._args, **self._kwargs)
  File "/home/inigo/Dropbox/PycharmProjects/circ_dna/simulations.py", line 107, in sim_ecc_reads
   new_read = sim_single_end(lc,fastafile, chr, chr_pos_start, chr_pos_end, read_length, read_id)
   File "/home/inigo/Dropbox/PycharmProjects/circ_dna/simulations.py", line 132, in sim_single_end
   new_record = SeqIO.read(StringIO(fastq_string), "fastq")
   File "/usr/local/lib/python3.5/dist-packages/Bio/SeqIO/__init__.py", line 664, in read
   first = next(iterator)
   File "/usr/local/lib/python3.5/dist-packages/Bio/SeqIO/__init__.py", line 600, in parse
for r in i:
   File "/usr/local/lib/python3.5/dist-packages/Bio/SeqIO/QualityIO.py", line 1031, in FastqPhredIterator
for title_line, seq_string, quality_string in FastqGeneralIterator(handle):
   File "/usr/local/lib/python3.5/dist-packages/Bio/SeqIO/QualityIO.py", line 951, in FastqGeneralIterator
% (title_line, seq_len, len(quality_string)))

 ValueError: Lengths of sequence and quality values differs  for id:6-chr1_KI270707v1_random|left_pos:50511537-50511587|right:50511214-50511264 (0 and 100).

Answer 1

Я ОП этого ответа, который я сделал почти год назад. Проблема заключалась в том, что пакет, который я использовал для чтения файла генома человека (pysam), не работал. Проблема была опечатка при вызове многопроцессорности.

По мнению авторов, это должно работать:

 p = mp.Process(target=get_fasta, args=(genome_fa,))

обратите внимание на ',', чтобы убедиться, что вы передаете кортеж

См. https://github.com/pysam-developers/pysam/issues/409 для получения дополнительной информации.