根据Knumbers注释爬取KEGG对应KO号和pathway name

背景

手头有KEGG对应各个基因的注释文件(注释可以参考KAAS注释流程),但没有对应的KO号,需要得到相应的KO号做富集分析

Python script

用selenium+xpath爬取,试了下发现KEGG最大接受的输入knumbers数量为7000左右,所以分割数据进行爬取(这里没有用线程池爬,要加速可以用多线程),注意脚本中chrome driver改成自己的地址即可。
参数三个,分别为-kn,对应你的用换行符分割的knumbers文件;-k2ko,对应爬取的kn对应ko关系的文件保存地址;-t2n,对应爬取的ko号和pathway name描述的文件保存地址。
得到文件后就可以很方便的用R整理数据,以及超几何检验/现成R包(例如ClusterProfiler)进行富集

from selenium import webdriver
# No visual interface
from selenium.webdriver.chrome.options import Options
# Avoid test
from selenium.webdriver import ChromeOptions
from lxml import etree
import os
import argparse


def setoption():
    """
    Google Chrome's anti-anti-crawler parameter settings
    """
    # No visual interface
    chrome_options = Options()
    chrome_options.add_experimental_option(
        'excludeSwitches', ['enable-logging'])
    chrome_options.add_argument("--headless")
    chrome_options.add_argument("--disable-gpu")
    # Avoid test
    option = ChromeOptions()
    option.add_experimental_option("excludeSwitches",
                                   ["enable-automation"])
    return chrome_options, option


def mapkn2ko(knsearch, k2kopath, term2namepath):
    """
    main process to map kn to ko
    :param knsearch: kn string
    :param k2kopath: path to save k2ko file
    :param term2namepath: path to save term2name file
    """
    chrome_options, option = setoption()
    bro = webdriver.Chrome(executable_path=r"/YourPathTo/chromedriver.exe",
                               chrome_options=chrome_options,
                               options=option)
    bro.get("https://www.genome.jp/kegg/ko.html")
    search_input = bro.find_element_by_xpath('//*[@id="content"]/div[2]/div[1]/form/table/tbody/tr[2]/td/textarea')
    search_input.send_keys(knsearch)
    btn = bro.find_element_by_xpath('//*[@id="content"]/div[2]/div[1]/form/table/tbody/tr[3]/td/input[3]')
    btn.click()
    bro.switch_to_window(bro.window_handles[1])
    page_text = bro.page_source
    tree = etree.HTML(page_text)
    li_list = tree.xpath('/html/body/div[2]/li')
    for li in li_list:
        ko = li.xpath('./a[1]/text()')[0]
        ko_name =  li.xpath('./text()')[0].split(" (")[0]
        kn_list = li.xpath('./div/a//text()')
        with open(k2kopath, "a") as k2ko:
            for kn in kn_list:
                k2ko.write(kn.split(":")[1]+"\t"+ko+"\n")
        with open(term2namepath, "a") as term2name:
            term2name.write(ko+"\t"+ko_name+"\n")
    bro.quit()


def kninput(knfile):
    knstring_all = []
    knstring_7000 = []
    with open(knfile, "rt") as knf:
        while True:
            try:
                if len(knstring_7000) <= 7000:
                    knstring_7000.append(next(knf))
                else:
                    knstring_all.append("".join(knstring_7000))
                    knstring_7000 = []
            except StopIteration:
                knstring_all.append("".join(knstring_7000))
                break
    return knstring_all


def getoptions():
    """
    Get options from command line
    :return: knfilepath, k2kofilepath, t2nfilepath
    """
    parser = argparse.ArgumentParser(description="Get k2ko and term2name by inputting a file including knumbers")
    parser.add_argument("-kn", "--knumber", help="Path to knumbers file")
    parser.add_argument("-k2ko", "--knumber2pathway",
                        help="File path to save the relationship between knumbers and pathway names")
    parser.add_argument("-t2n", "--term2name", help="File paht to save the pathway name and corresponding description")
    args = parser.parse_args()
    if not args.knumber:
        raise TypeError("Missing option '-kn', please check your input")
    if not args.knumber2pathway:
        raise TypeError("Missing option '-k2ko', please check your input")
    if not args.term2name:
        raise TypeError("Missing option '-t2n', please check your input")
    return args.knumber, args.knumber2pathway, args.term2name


def mainprocess():
    """
    Pipeline to execute program.
    """
    knfile, k2kofile, t2nfile = getoptions()
    if os.path.isfile(k2kofile):
        os.remove(k2kofile)
    if os.path.isfile(t2nfile):
        os.remove(t2nfile)
    knstring_all = kninput(knfile)
    for knstring in knstring_all:
        mapkn2ko(knstring, k2kofile, t2nfile)


if __name__ == "__main__":
    mainprocess()

富集分析可以参考:
https://www.jianshu.com/p/8ee9a71d056e?utm_campaign=maleskine...

最后编辑于
©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 194,242评论 5 459
  • 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 81,769评论 2 371
  • 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 141,484评论 0 319
  • 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 52,133评论 1 263
  • 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 61,007评论 4 355
  • 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 46,080评论 1 272
  • 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 36,496评论 3 381
  • 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 35,190评论 0 253
  • 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 39,464评论 1 290
  • 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 34,549评论 2 309
  • 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 36,330评论 1 326
  • 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 32,205评论 3 312
  • 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 37,567评论 3 298
  • 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 28,889评论 0 17
  • 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 30,160评论 1 250
  • 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 41,475评论 2 341
  • 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 40,650评论 2 335

推荐阅读更多精彩内容