如何在IGV上使用BLAT搜索非模式物种(续)

如何在IGV上使用BLAT搜索非模式物种中,我们讨论如何用Apache的CGI服务器,来响应IGV发送的BLAT请求。考虑到我们大部分的时候都是个人使用,并不需要Apache这种重量级的Web服务器,因此完全可以省去这一组件。

我之前学过Python和Django和Flask这两种网页应用框架,其中Flask比较轻量,非常适合我们这种小型应用。因此,我就用Flask编写了一个Blat网页应用,用来响应IGV的请求。

首先,安装Flask(为了避免冲突,我用了虚拟环境)

mkdir myproject
cd myproject
python3 -m venv venv

# 启动
. venv/bin/activate
pip3 install flask

接着,从我的GitHub上下载脚本,见https://github.com/xuzhougeng/myscripts/blob/master/misc/myBlat.py

或者复制下面的代码进行修改,命名为myBlast.py

from flask import Flask
from flask import request
import tempfile
import subprocess
from os.path import basename

app = Flask(__name__)


"""
注意:
    1. 修改ref_dict中的ref_name1和ref_name2fa的位置
    2. 修改query_seq_db中的 ref1 和 ref2, 改成你的物种里的特有关键词, 例如A.thaliana 我用的是thaliana

"""


ref_dict = {
    "ref_name1":  "/path/to/your/reference1.fa",
    "ref_name2":  "/path/to/your/reference2.fa"
}

def query_seq_db(db):
    #if "\\" in db:
    #    dbname = db.split("\\")[-1]
    #else:
    #    dbname = basename(db)
    #dbname = dbname.split(".")[0]
    #ref = ref_dict[dbname]
    #return ref
    db = db.lower()
    if "ref1" in db:
        return ref_dict["ref_name1"]
    elif "ref2" in db:
        return ref_dict["ref_name2"]
    else:
        return ref_dict["ref_name1"]
   
    

def blat(seq,db,type):
    # 需要改成你实际的blat路径
    blat = "/opt/biosoft/ucsctools/blat/blat"
    # 需要改成你实际的参考位置
    ref = query_seq_db(db)

    fd1, fa_file = tempfile.mkstemp(suffix=".fa")
    fd2, psl_file = tempfile.mkstemp(suffix=".psl")

    with open(fa_file,"w") as f:
        f.write(f">query\n{seq}\n")
    process = subprocess.Popen([blat, ref, fa_file, psl_file],
            stdout=subprocess.PIPE,
            stderr=subprocess.PIPE)
    
    stdout,stderr = process.communicate()

    psl_ret = [line for line in open(psl_file, "r") ]
    psl_rec = [line.strip().split('\t') for line in psl_ret[5:] ]

    return psl_rec

@app.route("/myBlat", methods=['GET'])
def myBlat():

    seq = request.args.get('userSeq','')
    db = request.args.get('db','')
    output = request.args.get('output','json')
    type = request.args.get('type', 'DNA')

    psl_rec = blat(seq, db, type)
    data =  {
        "track": "blat",
        "genome": "ath",
        "fields": ["matches", "misMatches", "repMatches", "nCount", "qNumInsert", "qBaseInsert", \
                "tNumInsert", "tBaseInsert", "strand", "qName", "qSize", "qStart", "qEnd", "tName", \
                "tSize", "tEnd", "blockCount", "blockSizes", "qStarts", "tStarts"],
        "blat" : psl_rec
        }
    return data

```

最后运行Flask

```nginx
flask run -p 5000
```

需要注意的是,我用的端口是5000,而不是80,因此还需要在IGV偏好中BLAT URL改成

```nginx
http://127.0.0.1:5000/myBlat?userSeq=$SEQUENCE&type=DNA&db=$DB&output=json
```
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,646评论 4 366
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,979评论 1 301
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 110,391评论 0 250
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,356评论 0 215
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,740评论 3 293
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,836评论 1 224
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,022评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,764评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,487评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,728评论 2 252
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,200评论 1 263
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,548评论 3 260
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,217评论 3 241
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,134评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,921评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,919评论 2 283
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,766评论 2 274

推荐阅读更多精彩内容