Newick文本解析,引发的多年恩恩怨怨。

做进化相关分析的人,常常遇到各种问题。

但其实问题常常只会有一类,那就是数据格式!毕竟,输入文件都报错,你还能有别的问题?

进化分析相关的文件格式,或者某种格式,如Newick format的变化,可能就可以有无限种,以至于有人专门开发一个格式转换软件(已发表...名字我忘了)。

这是一个优秀的操作。其从一定程度上解决了进化数据存储文件格式太多所带来的混乱,并提出了一个新的格式(从此,又增加了一种格式 [微笑脸])

推文下面,我以newick为示例,大概说一下这个问题的复杂情况。我并没有去测试那个格式转换软件,只知道,可能只有极少数(Mega不行,FigTree不行,Dedroscope不行,R语言的ape?肯定不行)以至于我也不知道的软件可能同时支持下面这些格式。

这个怎么说呢?是软件开发者和用户同时造成的问题。

其中矛盾产生的原因可能有:

1. 在写代码的人A眼中,软件用户B应该是很清楚,标准的文件输入是什么? 

2. 在用软件的人B眼中,软件作者A应该心里有数,虽然我没有去了解过你的软件,不过我认为,只要我把我手上的文件放进去,或者我严谨一点,我拿其他软件的直接输入,导入到你的软件里面,你的软件如果运行不了,那么一定是你的软件问题,那就是你不行!

3. 在写代码的人A眼中,软件上游写代码的人C,难道不明白,软件输出应该做尽可能少的假设,严格控制输出为通用的最标准最规范的格式吗?";"软件下游写代码的人D,难道就不懂?软件输入应该做尽可能多的假设,搞明白任何输入的变体都存在可能吗?

*. 还有更复杂的情况,ACD已经互通有无了,B就是要修改文件,比如把制表符分隔的文本保存成Excel二进制.....【A,C,D:我能怎么办?我也很无奈....】

**进入主题,稍微整理一下, **

一开始你可能以为Newick文本是

((A,B),C);

后来你会发现,其实情况比较复杂,比如存在三叉,甚至多叉节点

((A,(B,C),D),E);

当然多叉节点没有问题,后来你发现枝长一般是存在的,

(((A:0.23,(B:0.23,C:0.23):0.23,D:0.23):0.23,E:0.23):0.23);

枝长当然也没问题,然后你会发现,不同软件的bootstrap value的标识方式是不同的,

比如Mega

(((A:0.23,(B:0.23,C:0.23)0.98:0.23,D:0.23)1.00:0.23,E:0.23)0.78:0.23);

而在raxML中,bootstrap是放在BrachLen之后的,如下

(((A:0.23,(B:0.23,C:0.23):0.23[98],D:0.23):0.23[100],E:0.23):0.23[98]);

这两个解析起来也并不麻烦,毕竟他们几乎不会同时出现在同一个字符串。 但是问题来了,有一些树美化软件,如FigTree,在进行着色等操作之后,导出Nexus格式,其TreeBlock区域也是事实上的Newick文本,有部分用户会用作其他分析,于是,糟糕!现在的情况是

(((A:0.23,(B:0.23,C:0.23)0.98[&label=0.034,!color=#000099]:0.23,D:0.23)1.00[&label=0.034,!color=#000099]:0.23,E:0.23)0.78[&label=0.034,!color=#000099]:0.23);

或者是

(((A:0.23,(B:0.23,C:0.23)[&label=0.034,!color=#000099]:0.23[98],D:0.23)[&label=0.034,!color=#000099]:0.23[100],E:0.23)[&label=0.034,!color=#000099]:0.23[78]);

当然还可能有最复杂的情况

(((A:0.23,(B:0.23,C:0.23)NodeLabel_1[&label=0.034,!color=#000099]:0.23[98],D:0.23)NodeLabel_2[&label=0.034,!color=#000099]:0.23[100],E:0.23)NodeLabel_3[&label=0.034,!color=#000099]:0.23[78]);

于是,之前写EasyCodeML的时候,整理了一个newick文本解析逻辑,可以解决上面出去FigTree的Nexus Treeblock中Newick之外的其他树文本读取模块;后来我在TBtools中(毕竟是不同工作),我重新实现了新的逻辑(有看推文的应该知道,我一开始是为了解析RNAfold之后的折叠结构文本,顺便实现的Newick文本解析逻辑),这才有后面的Amazing Heatmap 和 Amazing Optional Gene Viewer等可以和进化树同时可视化的图形。

一切并没有那么简单,FigTree导出的Nexus TreeBlock中newick文本解析一直放在我心里。基于课题组安排,在接下来的合作项目中,我们需要一个非常稳健的Newick文本解析功能。所以我又捡起了这放了一年有余的代码,做了必要的调整,于是搞定。

随着时间的流逝,年龄的增长,你就开始明白,想做的事情,常常需要抽空做;该做的事情应该安排最多的事情去保证其完成的优先度;如果你运气很好,那么你该做的事情,正好是你想做的事情,那么你会过得快乐。

从来都没有什么轻松快乐,只是有人替你负重前行。

比如你觉得某个软件用起来顺手,尤其是很少遇到使用问题且不是输入文件格式的问题时。

当然,队友之间,自然都是互帮互助,只要你不断保持成长,越来优秀,那么负重是相互的,而轻松快乐也是一起的。

©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 206,839评论 6 482
  • 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 88,543评论 2 382
  • 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 153,116评论 0 344
  • 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 55,371评论 1 279
  • 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 64,384评论 5 374
  • 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 49,111评论 1 285
  • 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 38,416评论 3 400
  • 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 37,053评论 0 259
  • 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 43,558评论 1 300
  • 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 36,007评论 2 325
  • 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 38,117评论 1 334
  • 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 33,756评论 4 324
  • 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 39,324评论 3 307
  • 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 30,315评论 0 19
  • 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 31,539评论 1 262
  • 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 45,578评论 2 355
  • 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 42,877评论 2 345

推荐阅读更多精彩内容

  • 专业考题类型管理运行工作负责人一般作业考题内容选项A选项B选项C选项D选项E选项F正确答案 变电单选GYSZ本规程...
    小白兔去钓鱼阅读 8,977评论 0 13
  • 01. 颅脑CT扫描采用的听眶线是()。 (1.0 分) A. 外耳孔与外眼眦的连线 B. 外耳孔上缘与眶下缘的连...
    我们村我最帅阅读 3,167评论 0 6
  • 201. M-Q型显影液组合是()。 (2.0 分) A. 米吐尔与菲尼酮的组合 B. 对苯二酚和菲尼酮的组合 C...
    我们村我最帅阅读 3,311评论 0 4
  • 1. 下列叙述错误的是()。 (2.0 分) A. 质量管理包括QA和QC一切活动的全部过程 B. 影像质量是指对...
    我们村我最帅阅读 3,771评论 0 8
  • 在C语言中,五种基本数据类型存储空间长度的排列顺序是: A)char B)char=int<=float C)ch...
    夏天再来阅读 3,325评论 0 2