进化树Newick文本解析，小结。 / 四六文摘

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。

进化树Newick文本解析，小结。

相关推荐