Использование Biopython для получения сведений о неизвестной последовательности с помощью BLAST

Question

Я использую Biopython впервые. У меня есть данные о последовательности неизвестных организмов, и я пытаюсь использовать BLAST, чтобы определить, из какого организма они, скорее всего, пришли. Я написал следующую функцию для этого:

def find_organism(file):
    """
    Receives a fasta file with a single seq, and uses BLAST to find
    from which organism it was taken.
    """
    # get seq from fasta file
    seqRecord = SeqIO.read(file,"fasta")
    # run BLAST
    blastResult = NCBIWWW.qblast("blastn", "nt", seqRecord.seq)
    # get first hit
    blastRecord = NCBIXML.read(blastResult)
    firstHit = blastRecord.alignments[0]
    # get hit's gi number
    title = firstHit.title
    gi = title.split("|")[1]
    # search NCBI for the gi number
    ncbiResult = Entrez.efetch(db="nucleotide", id=gi, rettype="gb", retmode="text")
    ncbiResultSeqRec = SeqIO.read(ncbiResult,"gb")
    # get organism
    annotatDict = ncbiResultSeqRec.annotations
    return(annotatDict['organism'])

Он работает нормально, но занимает около 2 минут, чтобы восстановить организм для каждого вида, что мне кажется очень медленным. Мне просто интересно, смогу ли я сделать лучше. Я знаю, что могу создать локальную копию NCBI для повышения производительности, и я могу это сделать. Тем не менее, я подозреваю, что сначала запрашивать BLAST, а затем взять идентификатор и использовать его для запроса Entrez, это не тот путь, по которому можно пойти. Есть ли у вас другие предложения по улучшению?
Спасибо!

Answer 1

Вы можете получить организм с:

[...]
blastResult = NCBIWWW.qblast("blastn", "nt", seqRecord.seq)
blastRecord = NCBIXML.read(blastResult)

first_organism = blastRecord.descriptions[0]

Это сохранит хотя бы запрос efetch. В любом случае "взрыв" может занять слишком много времени, и если вы планируете массово запрашивать NCBI, вас забанят.