Biopython 成对对齐在循环运行时导致分段错误答案

【问题标题】：Biopython pairwise alignment results in segmentation fault when run in loopBiopython 成对对齐在循环运行时导致分段错误
【发布时间】：2018-06-30 14:49:49
【问题描述】：

我正在尝试在biopython 中为大约 10000 对字符串运行成对全局对齐方法。每个字符串平均有 20 个字符长。为一对序列运行该方法可以正常工作。但是在循环中运行它，低至 4 对，会导致分段错误。怎么解决？

from Bio import pairwise2
def myTrial(source,targ):

     if source == targ:
         return [source,targ,source]

     alignments = pairwise2.align.globalmx(source, targ,1,-0.5)
     return alignments
sour = ['najprzytulniejszy', 'sadystyczny', 'wyrzucić', 'świat']
targ = ['najprzytulniejszym', 'sadystycznemu', 'wyrzucisz', 'świat']
for i in range(4):
   a = myTrial(sour[i],targ[i])

【问题讨论】：

标签： python python-3.x memory biopython

【解决方案1】：

分段错误不会发生，因为您使用的是循环，而是因为您提供非 ASCII 字符作为仅接受 ASCII 字符串输入的对齐模式的输入。幸运的是，Bio.pairwise2.align.globalmx 还允许对齐包含任意 ASCII 字符串和非 ASCII 字符作为标记的列表（即对齐字符串列表，例如 ['ABC', 'ABD'] 与 ['ABC', 'GGG'] 以产生类似的对齐方式

['ABC', 'ABD', '-'  ]
['ABC', '-'  , 'GGG']

或者在您的情况下，对齐非 ASCII 字符列表，例如 ['ś', 'w', 'i', 'a', 't'] 和 ['w', 'y', 'r', 'z', 'u', 'c', 'i', 's', 'z']，以产生类似的对齐方式

['ś', 'w', '-', '-', '-', '-', '-', 'i', 'a', 't', '-', '-']
['-', 'w', 'y', 'r', 'z', 'u', 'c', 'i', '-', '-', 's', 'z']

要使用 Biopython 完成此操作，请在您的代码中替换

alignments = pairwise2.align.globalmx(source, targ,1,-0.5)

与

alignments = pairwise2.align.globalmx(list(source), list(targ), 1, -0.5, gap_char=['-'])

所以对于一个输入

source = 'świat'
targ = 'wyrzucisz'

修改后的代码会产生

[(['ś', 'w', '-', '-', '-', '-', '-', 'i', 'a', 't', '-', '-'],
  ['-', 'w', 'y', 'r', 'z', 'u', 'c', 'i', '-', '-', 's', 'z'],
  2.0,
  0,
  12)]

而不是分段错误。

由于列表中的每个标记只有一个字符长，您还可以使用以下方法将生成的对齐列表转换回字符串：

new_alignment = []

for aln in alignment:
    # Convert lists back into strings
    a = ''.join(aln[0])
    b = ''.join(aln[1])

    new_aln = (a, b) + aln[2:]
    new_alignment.append(new_aln)

在上面的例子中，new_alignment 将是

[('św-----iat--', '-wyrzuci--sz', 2.0, 0, 12)]

根据需要。

【讨论】：