PARSID:一种Python脚本,用于对本地BLAST结果进行自动分析,用于快速分子分类学识别
Costanza Piccoli1,2,3, Antonio Muñoz-Mérida4,5,6, Angelica Crottini4,5,6
1CIBIO, Centro de Investigação em Biodiversidade e Recursos Genéticos, InBIO Laboratório Associado, Universidade do Porto, Campus de Vairão, 4485-661, Vairão, Portugal. costanza.piccoli.92@gmail.com.
BMC research notes
|January 24, 2024
概括
研究人员现在可以使用PARSID,一种新的Python脚本来自动化分子分类学识别. 该工具通过绕过复杂的网络接口来简化序列分析,并确保从分子样本中准确识别物种.
科学领域:
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
- 基因组学就是基因组学.
背景情况:
- 从分子样本准确识别物种对于研究至关重要.
- 手动BLAST分析和结果管理对于非程序员来说都是一个挑战.
- 基因银行数据可能包含过时的分类学信息,因此需要可靠的参考库.
研究的目的:
- 开发一种用于分子分类学识别序列的自动化工具.
- 为了简化研究人员缺乏编程专业知识的过程.
- 通过使用用户提供的参考序列库 (RSL) 来提高物种识别的准确性.
主要方法:
- 开发了PARSID,一个命令行Python脚本.
- 自动化了对用户定义的RSL进行爆破输入序列的过程.
- 实施了五步工作流程来检索高身份匹配.
- 通过切断参数和CSV文件启用过.
- 提供了结果的电子表格可视化.
主要成果:
- 帕西德成功地自动化了分子分类学识别工作流程.
- 该脚本有效地过和组织BLAST结果.
- 用10个输入序列与25个序列的示例RSL进行了测试.
- 证明了一种简化和可靠的物种识别方法.
结论:
- 帕西德为分子分类学识别提供了一个用户友好的解决方案.
- 该工具减少了对复杂的网络接口和手动数据处理的依赖.
- 它通过使用可靠的RSL来提高研究效率和准确性.


