Python解析OBO文件构建Gene Ontology层级结构遇多is_a关系问题求助

核心问题定位 #

你的问题出在未完整收集每个GO术语的所有is_a父节点，现有代码大概率只保留了单个父节点，导致层级结构丢失了多父路径。GO术语是有向无环图（DAG），而非严格树结构，每个节点可以有多个父节点，必须完整收集所有is_a关系才能构建完整层级。

解决方案步骤 #

1. 正确解析OBO文件，完整收集所有is_a关系 #

重写解析函数，确保每个GO术语的所有父节点都被存入列表：

def parse_obo(file_path):
    go_terms = {}
    current_term = None
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            # 跳过空行和注释行
            if not line or line.startswith('!'):
                continue
            # 开始新的Term块
            if line.startswith('[Term]'):
                if current_term:
                    go_terms[current_term['id']] = current_term
                current_term = {'id': '', 'name': '', 'is_a': []}
            # 提取Term属性
            elif line.startswith('id:'):
                current_term['id'] = line.split(': ')[1]
            elif line.startswith('name:'):
                current_term['name'] = line.split(': ')[1]
            elif line.startswith('is_a:'):
                # 提取GO ID，忽略后面的注释
                parent_id = line.split(': ')[1].split(' !')[0]
                current_term['is_a'].append(parent_id)
        # 处理最后一个Term块
        if current_term:
            go_terms[current_term['id']] = current_term
    return go_terms

2. 递归生成所有父路径，构建完整层级 #

通过递归遍历每个节点的所有父节点，生成所有可能的层级路径，确保多父关系都被展示：

def get_all_hierarchy_paths(go_id, go_terms, current_path=None):
    if current_path is None:
        current_path = []
    current_term = go_terms.get(go_id)
    if not current_term:
        return []
    
    # 组装当前节点的显示文本
    node_text = f"{current_term['id']} ({current_term['name']})"
    new_path = current_path + [node_text]
    
    paths = []
    # 无父节点时，返回当前完整路径
    if not current_term['is_a']:
        paths.append(new_path)
    else:
        # 遍历所有父节点，递归生成路径
        for parent_id in current_term['is_a']:
            paths.extend(get_all_hierarchy_paths(parent_id, go_terms, new_path))
    return paths

def print_full_hierarchy(go_id, go_terms):
    all_paths = get_all_hierarchy_paths(go_id, go_terms)
    for idx, path in enumerate(all_paths, 1):
        print(f"路径 {idx}:")
        # 反转路径，从根节点到当前节点展示
        for depth, node in enumerate(reversed(path)):
            print(f"{'  ' * depth}{node}")
        print()

3. 调用示例 #

假设你要查看GO:0005622（intracellular）的完整层级：

# 解析OBO文件
go_data = parse_obo('go-basic.obo')
# 打印完整层级
print_full_hierarchy('GO:0005622', go_data)

输出对比 #

• 原错误输出：仅显示一条父路径（比如只展示到cellular_component）
• 期望输出：展示所有父路径：

路径 1:
  GO:0005575 (cellular_component)
    GO:0005622 (intracellular)

路径 2:
  GO:0044424 (intracellular part)
    GO:0005622 (intracellular)

后续GO分析绘图适配 #

生成的所有路径可以直接用于绘图：

• 若要绘制DAG图，可将所有父-子关系存入边列表，用networkx等库绘制
• 若要绘制层级树状图，可将每条路径作为独立分支展示，或合并重复的上层节点

内容的提问来源于stack exchange，提问作者Umar