goatools包问题 - Githubissues

lonetravelwolf commented 2 years ago

博主你好，请问一下您在运行gen_onto_protein_data.py文件中create_go_data部分时是否出现下面类似问题： goatools版本为1.2.3时，go_term.definition报错：没有.definition属性 goatools版本为1.0.11时，提示RecursionError: maximum recursion depth exceeded while calling a Python object

Alexzhuan commented 2 years ago

你好，为了提取obo文件中GO term的定义，我们修改了 goatools 这个包中obo_parser.py 源码，修改部分为：


# line 132
elif line[:5] == "def: ":
    rec_curr.definition = line[5:]

# line 169
self.definition = ""

lonetravelwolf commented 2 years ago

谢谢您的回复，抱歉继续打扰到您，我在执行create_onto_proteindata部分时，由于'component.txt', 'function.txt', 'process.txt'三个文件中列表中元素有的是3个有的是4个，会导致`protein, relation, go, = rec`这个语句出现赋值错误。请问是数据问题么？

Alexzhuan commented 2 years ago

你好，component.txt, function.txt, process.txt 中4个字段分别对应蛋白质ID、关系、GO ID以及evidence code，应该是不会出现缺失的情况的，对应GO注释文件中 goa_uniprot_all.gaf 这四个字段都是required ( 注释标准 )，你可能需要检查下create_goa_triplet时输入的GO注释数据。

另外，数据构造脚本中，运行顺序是 create_uniprot_data -> create_goa_triplet -> create_go_data -> create_onto_protein_data。

lonetravelwolf commented 2 years ago

你好，我的goa_uniprot_all.gaf文件部分内容如下：

!gaf-version: 2.1
!
!This file contains all GO annotations and gene product information for proteins in the UniProt KnowledgeBase (UniProtKB),
!IntAct protein complexes, and RNAcentral identifiers.
!
!Generated: 2016-07-04 15:52
!GO-version: http://purl.obolibrary.org/obo/go/releases/2016-06-29/go.owl
!
UniProtKB   A0A000  moeA5       GO:0003824  GO_REF:0000002  IEA InterPro:IPR015421|InterPro:IPR015422   F   MoeA5   A0A000_9ACTN|moeA5  protein taxon:35758 20160702    InterPro        
UniProtKB   A0A000  moeA5       GO:0003870  GO_REF:0000002  IEA InterPro:IPR010961  F   MoeA5   A0A000_9ACTN|moeA5  protein taxon:35758 20160702    InterPro        
UniProtKB   A0A000  moeA5       GO:0009058  GO_REF:0000002  IEA InterPro:IPR004839  P   MoeA5   A0A000_9ACTN|moeA5  protein taxon:35758 20160702    InterPro

其中还有部分数据如下显示

UniProtKB   K4CLI3  K4CLI3  NOT GO:0031616  GO_REF:0000033  IBA PANTHER:PTN000682053    C   Uncharacterized protein K4CLI3_SOLLC    protein taxon:4081  20140909    GO_Central

请问存在这两种不同词条是否正常？我下载的是文件goa_uniprot_all.gaf.156.gz

Alexzhuan commented 2 years ago

你好，我看了下你下的注释数据格式版本是 gaf-version: 2.1（这是早期的格式），最近发布的注释数据格式版本是gaf-version: 2.2，2.2版本对Qualifier（relationship）字段做了调整（具体可见）；我们使用的是比较新的注释数据，如果你需要下载比较早期的注释数据，可以下载.gpa格式的数据（对应字段）（但对应脚本中字段位置需要修改）。

lonetravelwolf commented 2 years ago

你好，我尝试着下载了新的goa_uniprot_all.gaf.gz，但这个数据集好像特别大，压缩文件40G无法解压缩。请问您的是这个么？我可以使用goa_uniprot_all.gpi.gz文件作替代么

Alexzhuan commented 2 years ago

注释数据是比较大的，解压开来有近100G吧。.gpi应该不行，官方说明里GPI文件是GPAD文件的配套文件，里面没有GO注释信息，具体你可以研究下官方说明。

zjunlp / OntoProtein

goatools包问题 #5