之前整理了一份采用biopython来解析blast format 5结果文件的博文：<使用Biopython解析Blast结果>，但是有朋友联系我说写得不够直观，今天再次用到biopython来解析blast format 5这种xml格式的文件。重新整理了一下，如下图：

用代码展示blast结果format 6与format 5对应关系：

from Bio.Blast import NCBIXML

for record in NCBIXML.parse(open("blast_fmt5.xml")):

      print record.query  #这里对应format 6中的第一列query

      for element in record.alignments:

           print element.hit_def

           #对应format 6的subject列。之前的博文中这里输出的结果为None，但是这次是可以直接输出的，可能是之前用的比较老的版本，目前测试版本为2.7.1+。如果读者在测试时输出为None，可以采用在element.title把subject信息取出来

           for hsp in element.hsps:

                 print hsp.bits  #这里对应format 6中的最后一列bit score

                 print hsp.except #对应format 6中evalue

                 print hsp.gaps

                 #对应format 6中gap open，当gap open也可以通过match算出来

                 print hsp.align_length #对应format 6中alignment length列

                 print hsp.query_start  #对应format 6中的q. start列

                 print hsp.query_end  #对应format 6中的q. end列

                 print hsp.sbjct_start  #对应format 6中的s. start列

                 print hsp.sbjct_end  #对应format 6中的s.end列

                 #最后剩下% identity, mismatch，可以通过hsp.match间接计算出来。

                 其中%identity表示match到的bases除以alignment长度[1,2]。

参考材料：

[1] https://www.ncbi.nlm.nih.gov/books/NBK62051/

[2] https://lh3.github.io/2018/11/25/on-the-definition-of-sequence-identity