ETE3とBioPythonのEutilsを中心に構築されたアクセッション番号からtaxonomy IDとそれに関連する系統情報に変換することができるシンプルなツール。現在はRefseq accession IDに対応している。
インストール
conda create -n PYlogeny python=3.6 -y
conda activate PYlogeny
pip install biopython ete3 six
#PYlogeny
git clone https://github.com/jrjhealey/PYlogeny.git
cd PYlogeny/
> python PYlogeny.py -h
$ python PYlogeny.py -h
usage: PYlogeny.py [-h] [-i INFILE] [-o OUTFILE] [-d DATABASE] -e EMAIL
[--version] [-v] [-s SQL] [-u]
Create a taxonomic breakdown for a list of accession numbers.
optional arguments:
-h, --help show this help message and exit
-i INFILE, --infile INFILE
A one-per-line file of accession numbers.
-o OUTFILE, --outfile OUTFILE
Output tabular file (default STDOUT).
-d DATABASE, --database DATABASE
What database to search for the accessions in (if you know it),
the script will attempt to use their format to guess otherwise.
-e EMAIL, --email EMAIL
Email to use with Eutils/Entrez.
--version show program's version number and exit
-v, --verbose Increase verbosity/logging. (-v or -vv)
-s SQL, --sql SQL Location to store the ETE3 database. Default is in ~/.etetoolkit/ .
If you specify a different location to the last instance, a
new copy of the database will have to be downloaded regardless.
-u, --update Update the local copy of the TaxID database.
(False by default, but should be done on a frequent basis).
Given an input list of accession numbers, create a table describing the taxonomic
memberships of those accession numbers.
The first time you run this program, and any time -u|--update is used, the
taxon dump will be made and an SQL database created. This takes several minutes.
データベースの準備
メールアドレスを指定する。NCBI taxdumpをfetchしてパースする（*1）。sqliteのデータベースが構築される。
python PYlogeny.py -u -e <your_mail_address>
NCBI taxdumpは更新が早いので、頻繁に最新のデータベースをダウンロードする必要がある。
テストラン
入力ファイル
> cat tests/10accs.txt
$ cat tests/10accs.txt
WP_041379885.1
WP_058588699.1
WP_105398703.1
WP_112878141.1
WP_110086472.1
WP_036780220.1
WP_065389666.1
WP_036813449.1
WP_110091204.1
WP_113043119.1
実行。メールアドレスは毎回記載する必要がある。ダミーアカウントでもランは可能。
python PYlogeny.py -e <your_mail_address> -i tests/10accs.txt -o out.csv
出力をエクセルで開いた。
NCBIにはbatch entrezという機能もある。
https://www.ncbi.nlm.nih.gov/sites/batchentrez
関連
ローカルでblastを実行する。
ちなみにnew taxdumpというのもできている（NCBI insights）。
参考
Convert list of Accession Numbers to Full Taxonomy
RefSeq
