Biopython-Chapter3.生物序列對(duì)象

序列和字母表

Bio.Alphabet.IUPAC提供Protein椎组、DNA和RNA的基本定義
擴(kuò)展：
Protein——IUPAC.protein基本類(lèi)意系；IUPAC.extended_protein常見(jiàn)氨基酸類(lèi)
DNA——IUPAC.unambiguous_dna基本字母岔绸；IUPAC.ambiguous_dna歧義字母嗜傅；IUPAC.extended_dna修飾后的堿基
RNA——IUPAC.unambiguous_rna基本字母塞赂；IUPAC.ambiguous_rna歧義字母

定義模糊序列

In[2]: from Bio.Seq import Seq
In[3]: my_seq = Seq("AGTACACTGGT")
In[4]: my_seq
Out[4]: 
Seq('AGTACACTGGT', Alphabet())
In[5]: my_seq.alphabet
Out[5]: 
Alphabet()

Seq()可以創(chuàng)建一個(gè)基本的序列對(duì)象

定義DNA序列

In[6]: from Bio.Seq import Seq
In[7]: from Bio.Alphabet import IUPAC
In[8]: my_seq = Seq("AGCTGCAGCGAGCGAGC", IUPAC.unambiguous_dna)
In[9]: my_seq
Out[9]: 
Seq('AGCTGCAGCGAGCGAGC', IUPACUnambiguousDNA())
In[10]: my_seq.alphabet
Out[10]: 
IUPACUnambiguousDNA()

序列處理

迭代元素

In[11]: from Bio.Seq import Seq
In[12]: from Bio.Alphabet import IUPAC
In[15]: for index,letter in enumerate(my_seq):
   ...:     print(index,letter)
   ...:     
0 A
1 G
2 T
3 C
4 G
5 A

enumerate()可以遍歷序列中的元素及其下標(biāo)

獲取長(zhǎng)度

In[17]: my_seq
Out[17]: 
Seq('AGTCGA', IUPACUnambiguousDNA())
In[18]: print(len(my_seq))
6

獲取序列元素

In[19]: print(my_seq[0])
A
In[20]: print(my_seq[2])
T

非重疊計(jì)數(shù)

In[21]: Seq("AAAAA").count("AA")
Out[21]: 
2
In[22]: "AAAAA".count("AA")
Out[22]: 
2

統(tǒng)計(jì)GC含量

In[27]: from Bio.SeqUtils import GC
In[28]: my_seq
Out[28]: 
Seq('AGTCGA', IUPACUnambiguousDNA())
In[29]: GC(my_seq)
Out[29]: 
50.0

切片

In[30]: my_seq = Seq("AGCTGACTGACGCATGAACGATAGCA", IUPAC.unambiguous_dna)
In[31]: my_seq[4:12]
Out[31]: 
Seq('GACTGACG', IUPACUnambiguousDNA())
In[32]: my_seq[4:12:3]
Out[32]: 
Seq('GTC', IUPACUnambiguousDNA())

產(chǎn)生的新對(duì)象保留了原始Seq對(duì)象的字母表信息

返回倒序

In[33]: my_seq[::-1]
Out[33]: 
Seq('ACGATAGCAAGTACGCAGTCAGTCGA', IUPACUnambiguousDNA())

轉(zhuǎn)換字符串

In[34]: str(my_seq)
Out[34]: 
'AGCTGACTGACGCATGAACGATAGCA'
In[35]: print(my_seq)
AGCTGACTGACGCATGAACGATAGCA
In[36]: fasta = ">Name\n%s\n" % my_seq
In[37]: print(fasta)
>Name
AGCTGACTGACGCATGAACGATAGCA

print()或%可以自動(dòng)轉(zhuǎn)換

序列連接

相同字母表

In[39]: dna1 = Seq("AGCTAGCGA",IUPAC.unambiguous_dna)
In[40]: dna2 = Seq("AGTCCGATG", IUPAC.unambiguous_dna)
In[41]: dna = dna1 + dna2
In[42]: dna
Out[42]: 
Seq('AGCTAGCGAAGTCCGATG', IUPACUnambiguousDNA())

不同字母表

In[50]: from Bio.Alphabet import generic_alphabet
In[51]: protein.alphabet = generic_alphabet
In[52]: dna.alphabet = generic_alphabet
In[53]: dna + protein
Out[53]: 
Seq('AGCTAGCGAAGTCCGATGEVRNAK', Alphabet())

不同字母表序列連接,必須首先將兩個(gè)序列轉(zhuǎn)換為通用字母表,否則會(huì)報(bào)錯(cuò)
ypeError: Incompatible alphabets IUPACUnambiguousDNA() and IUPACProtein()

大小寫(xiě)轉(zhuǎn)換

In[56]: my_seq = Seq("acgGATC",generic_alphabet)
In[57]: my_seq.upper()
Out[57]: 
Seq('ACGGATC', Alphabet())
In[58]: my_seq.lower()
Out[58]: 
Seq('acggatc', Alphabet())

互補(bǔ)鏈和反義鏈

In[61]: my_seq = Seq("GATCGATGGGCCTATATAGGATCGAAAATCGC", IUPAC.unambiguous_dna)
In[62]: my_seq.complement()
Out[62]: 
Seq('CTAGCTACCCGGATATATCCTAGCTTTTAGCG', IUPACUnambiguousDNA())
In[63]: my_seq.reverse_complement()
Out[63]: 
Seq('GCGATTTTCGATCCTATATAGGCCCATCGATC', IUPACUnambiguousDNA())

生物過(guò)程模擬

轉(zhuǎn)錄

In[64]: coding_dna = Seq("AGTCGATCGATGACTAGCATGACGCATGACT", IUPAC.unambiguous_dna)
In[65]: coding_dna
Out[65]: 
Seq('AGTCGATCGATGACTAGCATGACGCATGACT', IUPACUnambiguousDNA())
In[66]: template_dna = coding_dna.reverse_complement()
In[67]: template_dna
Out[67]: 
Seq('AGTCATGCGTCATGCTAGTCATCGATCGACT', IUPACUnambiguousDNA())
In[68]: mRNA = coding_dna.transcribe()
In[69]: mRNA
Out[69]: 
Seq('AGUCGAUCGAUGACUAGCAUGACGCAUGACU', IUPACUnambiguousRNA())
In[70]: template_dna.reverse_complement().transcribe()
Out[70]: 
Seq('AGUCGAUCGAUGACUAGCAUGACGCAUGACU', IUPACUnambiguousRNA())

transcribe()將T→U轉(zhuǎn)換,并調(diào)整字母表

反轉(zhuǎn)錄

In[71]: mRNA.back_transcribe()
Out[71]: 
Seq('AGTCGATCGATGACTAGCATGACGCATGACT', IUPACUnambiguousDNA())

back_transcribe()從U → T的替代并伴隨著字母表的變化

翻譯

In[73]: dna_seq = Seq("ATGCGTAGCTAGCTGACGTACGTAGCA",IUPAC.unambiguous_dna)
In[74]: len(dna_seq)
Out[74]: 
27
In[75]: mrna_seq = dna.transcribe()
In[76]: mrna_seq.translate()
Out[76]: 
Seq('S*RSPM', HasStopCodon(ExtendedIUPACProtein(), '*'))
In[77]: dna.translate()
Out[77]: 
Seq('S*RSPM', HasStopCodon(ExtendedIUPACProtein(), '*'))

序列長(zhǎng)度必須是3的倍數(shù),否則translate()報(bào)錯(cuò)

translate(table,stop_symbol,to_stop,cds)
table指定遺傳密碼表,默認(rèn)使用標(biāo)準(zhǔn)遺傳密碼,詳細(xì)見(jiàn)NCBI的遺傳密碼表說(shuō)明

In[79]: dna.translate(table="Yeast Mitochondrial")
Out[79]: 
Seq('S*RSPM', HasStopCodon(ExtendedIUPACProtein(), '*'))

指定使用酵母線粒體密碼表進(jìn)行翻譯

to_stop僅翻譯到閱讀框的第一個(gè)終止密碼子错沃，然后停止,終止密碼子本身不翻譯

In[80]: dna.translate(to_stop =  True)
Out[80]: 
Seq('S', ExtendedIUPACProtein())

stop_symbol指定終止符號(hào)

In[82]: dna.translate(stop_symbol = "?")
Out[82]: 
Seq('S?RSPM', HasStopCodon(ExtendedIUPACProtein(), '?'))

cds說(shuō)明翻譯時(shí)以起始密碼子編碼最前面的3個(gè)堿基

In[85]: from Bio.Seq import Seq
In[86]: from Bio.Alphabet import generic_dna
In[87]: gene = Seq("GTGAAAAAGATGCAATCTATCGTACTCGCACTTTCCCTGGTTCTGGTCGCTCCCATGGCA" + \
   ...:            "GCACAGGCTGCGGAAATTACGTTAGTCCCGTCAGTAAAATTACAGATAGGCGATCGTGAT" + \
   ...:             "AATCGTGGCTATTACTGGGATGGAGGTCACTGGCGCGACCACGGCTGGTGGAAACAACAT" + \
   ...:             "TATGAATGGCGAGGCAATCGCTGGCACCTACACGGACCGCCGCCACCGCCGCGCCACCAT" + \
   ...:             "AAGAAAGCTCCTCATGATCATCACGGCGGTCATGGTCCAGGCAAACATCACCGCTAA",
   ...:             generic_dna)
In[88]: gene.translate(table="Bacterial")
Out[88]: 
Seq('VKKMQSIVLALSLVLVAPMAAQAAEITLVPSVKLQIGDRDNRGYYWDGGHWRDH...HR*', HasStopCodon(ExtendedIUPACProtein(), '*'))
In[89]: gene.translate(table="Bacterial", cds=True)
Out[89]: 
Seq('MKKMQSIVLALSLVLVAPMAAQAAEITLVPSVKLQIGDRDNRGYYWDGGHWRDH...HHR', ExtendedIUPACProtein())

密碼表

在線密碼表

NCBI的遺傳密碼表說(shuō)明

內(nèi)置密碼表

In[90]: from Bio.Data import CodonTable
In[92]: print(CodonTable.unambiguous_dna_by_name["Standard"])  #通過(guò)名字來(lái)做標(biāo)識(shí)
Table 1 Standard, SGC0

  |  T      |  C      |  A      |  G      |
--+---------+---------+---------+---------+--
T | TTT F   | TCT S   | TAT Y   | TGT C   | T
T | TTC F   | TCC S   | TAC Y   | TGC C   | C
T | TTA L   | TCA S   | TAA Stop| TGA Stop| A
T | TTG L(s)| TCG S   | TAG Stop| TGG W   | G
--+---------+---------+---------+---------+--
C | CTT L   | CCT P   | CAT H   | CGT R   | T
C | CTC L   | CCC P   | CAC H   | CGC R   | C
C | CTA L   | CCA P   | CAA Q   | CGA R   | A
C | CTG L(s)| CCG P   | CAG Q   | CGG R   | G
--+---------+---------+---------+---------+--
A | ATT I   | ACT T   | AAT N   | AGT S   | T
A | ATC I   | ACC T   | AAC N   | AGC S   | C
A | ATA I   | ACA T   | AAA K   | AGA R   | A
A | ATG M(s)| ACG T   | AAG K   | AGG R   | G
--+---------+---------+---------+---------+--
G | GTT V   | GCT A   | GAT D   | GGT G   | T
G | GTC V   | GCC A   | GAC D   | GGC G   | C
G | GTA V   | GCA A   | GAA E   | GGA G   | A
G | GTG V   | GCG A   | GAG E   | GGG G   | G
--+---------+---------+---------+---------+--

In[93]: print(CodonTable.unambiguous_dna_by_id[1]) #通過(guò)數(shù)字來(lái)做標(biāo)識(shí)
Table 1 Standard, SGC0

  |  T      |  C      |  A      |  G      |
--+---------+---------+---------+---------+--
T | TTT F   | TCT S   | TAT Y   | TGT C   | T
T | TTC F   | TCC S   | TAC Y   | TGC C   | C
T | TTA L   | TCA S   | TAA Stop| TGA Stop| A
T | TTG L(s)| TCG S   | TAG Stop| TGG W   | G
--+---------+---------+---------+---------+--
C | CTT L   | CCT P   | CAT H   | CGT R   | T
C | CTC L   | CCC P   | CAC H   | CGC R   | C
C | CTA L   | CCA P   | CAA Q   | CGA R   | A
C | CTG L(s)| CCG P   | CAG Q   | CGG R   | G
--+---------+---------+---------+---------+--
A | ATT I   | ACT T   | AAT N   | AGT S   | T
A | ATC I   | ACC T   | AAC N   | AGC S   | C
A | ATA I   | ACA T   | AAA K   | AGA R   | A
A | ATG M(s)| ACG T   | AAG K   | AGG R   | G
--+---------+---------+---------+---------+--
G | GTT V   | GCT A   | GAT D   | GGT G   | T
G | GTC V   | GCC A   | GAC D   | GGC G   | C
G | GTA V   | GCA A   | GAA E   | GGA G   | A
G | GTG V   | GCG A   | GAG E   | GGG G   | G
--+---------+---------+---------+---------+--

Seq對(duì)象

比較

In[2]: from Bio.Seq import Seq
In[3]: from Bio.Alphabet import IUPAC
In[4]: seq1 = Seq("AGCT", IUPAC.unambiguous_dna)
In[5]: seq2 = Seq("AGCT", IUPAC.unambiguous_dna)
In[6]: seq1 == seq2
Out[6]: 
True
In[12]: id(seq1) == id(seq2)
Out[12]: 
False
In[13]: id(seq1)
Out[13]: 
2111559244880
In[14]: id(seq2)
Out[14]: 
2111559374160
In[15]: str(seq1) == str(seq2)
Out[15]: 
True

兩個(gè)Seq對(duì)象季俩，序列和字母表都時(shí)相同的钮糖，雖然seq1 == seq2 返回True,但是其實(shí)內(nèi)存中這兩個(gè)對(duì)象不是同一個(gè)。通過(guò)id()函數(shù)可以看到id(seq1) == id(seq2)返回False酌住，所以在做序列比較時(shí)店归，可以使用str()處理后，只是以字符串比較酪我。

可變

tomutable()

In[19]: my_seq = Seq("GCCATTGTAATGGGCCGCTGAAAGGGTGCCCGA", IUPAC.unambiguous_dna)
In[20]: my_seq[5] = "G"
Traceback (most recent call last):
  File "C:\Users\AnLau\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2881, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-20-56a40d7fb976>", line 1, in <module>
    my_seq[5] = "G"
TypeError: 'Seq' object does not support item assignment
In[21]: mutable_seq = my_seq.tomutable()
In[22]: mutable_seq
Out[22]: 
MutableSeq('GCCATTGTAATGGGCCGCTGAAAGGGTGCCCGA', IUPACUnambiguousDNA())
In[23]: mutable_seq[5]="G"
In[24]: mutable_seq
Out[24]: 
MutableSeq('GCCATGGTAATGGGCCGCTGAAAGGGTGCCCGA', IUPACUnambiguousDNA())

Seq對(duì)象不可變
可以使用tomutable()函數(shù)將Seq對(duì)象變?yōu)镸utableSeq對(duì)象

創(chuàng)建MutableSeq對(duì)象

In[28]: mutable_seq = MutableSeq("AGCGATGAC",IUPAC.unambiguous_dna)
In[29]: mutable_seq
Out[29]: 
MutableSeq('AGCGATGAC', IUPACUnambiguousDNA())
In[30]: mutable_seq[0]="T"
In[31]: mutable_seq
Out[31]: 
MutableSeq('TGCGATGAC', IUPACUnambiguousDNA())
In[32]: mutable_seq.remove("T")
In[33]: mutable_seq
Out[33]: 
MutableSeq('GCGATGAC', IUPACUnambiguousDNA())
In[34]: mutable_seq.reverse()
In[35]: mutable_seq
Out[35]: 
MutableSeq('CAGTAGCG', IUPACUnambiguousDNA())
In[36]: new_seq = mutable_seq.toseq()
In[37]: new_seq
Out[37]: 
Seq('CAGTAGCG', IUPACUnambiguousDNA())
In[38]: new_seq.reverse_complement()
Out[38]: 
Seq('CGCTACTG', IUPACUnambiguousDNA())
In[39]: new_seq
Out[39]: 
Seq('CAGTAGCG', IUPACUnambiguousDNA())

可以使用toseq()將MutableSeq對(duì)象轉(zhuǎn)變?yōu)镾eq對(duì)象
MutableSeq對(duì)象有reverse()方法消痛，而且各個(gè)方法直接修改MutableSeq對(duì)象本身

UnknownSeq對(duì)象

In[40]: from Bio.Seq import UnknownSeq
In[41]: unk = UnknownSeq(20)
In[42]: unk
Out[42]: 
UnknownSeq(20, alphabet = Alphabet(), character = '?')
In[43]: unk_dna = UnknownSeq(20,IUPAC.unambiguous_dna)
In[44]: unk_dna
Out[44]: 
UnknownSeq(20, alphabet = IUPACUnambiguousDNA(), character = 'N')
In[45]: print(unk)
????????????????????
In[46]: print(unk_dna)
NNNNNNNNNNNNNNNNNNNN

UnknownSeq對(duì)象可以只存儲(chǔ)一個(gè)“N”和序列所需的長(zhǎng)度（整數(shù)），節(jié)省內(nèi)存

直接使用字符串

In[47]: from Bio.Seq import reverse_complement, transcribe, back_transcribe, translate
In[48]: dna_string = "AGTCGATCGATCGACTGCGACGTCGA"
In[49]: reverse_complement(dna_string)
Out[49]: 
'TCGACGTCGCAGTCGATCGATCGACT'
In[50]: transcribe(dna_string)
Out[50]: 
'AGUCGAUCGAUCGACUGCGACGUCGA'
In[51]: translate(dna_string)
Out[51]: 
'SRSIDCDV'
C:\Users\AnLau\Anaconda3\lib\site-packages\Bio\Seq.py:2309: BiopythonWarning: Partial codon, len(sequence) not a multiple of three. Explicitly trim the sequence or add trailing N before translation. This may become an error in future.
  BiopythonWarning)

最后編輯于：2018.06.13 22:14:28

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末都哭，一起剝皮案震驚了整個(gè)濱河市秩伞，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌欺矫，老刑警劉巖纱新，帶你破解...
沈念sama閱讀 206,013評(píng)論 6贊 481
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場(chǎng)離奇詭異穆趴，居然都是意外死亡脸爱，警方通過(guò)查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 88,205評(píng)論 2贊 382
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門(mén)未妹，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)簿废，“玉大人，你說(shuō)我怎么就攤上這事络它∽迕剩” “怎么了？”我有些...
開(kāi)封第一講書(shū)人閱讀 152,370評(píng)論 0贊 342
道士緝兇錄：失蹤的賣(mài)姜人
文/不壞的土叔我叫張陵酪耕，是天一觀的道長(zhǎng)导梆。經(jīng)常有香客問(wèn)我，道長(zhǎng)，這世上最難降的妖魔是什么看尼？我笑而不...
開(kāi)封第一講書(shū)人閱讀 55,168評(píng)論 1贊 278
?港島之戀（遺憾婚禮）
正文為了忘掉前任递鹉，我火速辦了婚禮，結(jié)果婚禮上藏斩，老公的妹妹穿的比我還像新娘躏结。我一直安慰自己，他們只是感情好狰域，可當(dāng)我...
茶點(diǎn)故事閱讀 64,153評(píng)論 5贊 371
惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
文/花漫我一把揭開(kāi)白布媳拴。她就那樣靜靜地躺著，像睡著了一般兆览。火紅的嫁衣襯著肌膚如雪屈溉。梳的紋絲不亂的頭發(fā)上，一...
開(kāi)封第一講書(shū)人閱讀 48,954評(píng)論 1贊 283
城市分裂傳說(shuō)
那天抬探，我揣著相機(jī)與錄音子巾，去河邊找鬼。笑死小压，一個(gè)胖子當(dāng)著我的面吹牛线梗，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播怠益，決...
沈念sama閱讀 38,271評(píng)論 3贊 399
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開(kāi)眼仪搔，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼！你這毒婦竟也來(lái)了蜻牢？” 一聲冷哼從身側(cè)響起烤咧，我...
開(kāi)封第一講書(shū)人閱讀 36,916評(píng)論 0贊 259
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎孩饼，沒(méi)想到半個(gè)月后髓削，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體，經(jīng)...
沈念sama閱讀 43,382評(píng)論 1贊 300
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡镀娶，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 35,877評(píng)論 2贊 323
?白月光啟示錄
正文我和宋清朗相戀三年立膛，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片梯码。...
茶點(diǎn)故事閱讀 37,989評(píng)論 1贊 333
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡宝泵，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出轩娶，到底是詐尸還是另有隱情儿奶，我是刑警寧澤，帶...
沈念sama閱讀 33,624評(píng)論 4贊 322
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布鳄抒，位于F島的核電站闯捎，受9級(jí)特大地震影響椰弊，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜瓤鼻，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 39,209評(píng)論 3贊 307
男人毒藥：我在死后第九天來(lái)索命
文/蒙蒙一秉版、第九天我趴在偏房一處隱蔽的房頂上張望。院中可真熱鬧茬祷，春花似錦清焕、人聲如沸。這莊子的主人今日做“春日...
開(kāi)封第一講書(shū)人閱讀 30,199評(píng)論 0贊 19
一樁弒父案秸妥，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)。三九已至沃粗，卻和暖如春粥惧，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背陪每。一陣腳步聲響...
開(kāi)封第一講書(shū)人閱讀 31,418評(píng)論 1贊 260
情欲美人皮
我被黑心中介騙來(lái)泰國(guó)打工影晓，沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留，地道東北人檩禾。一個(gè)月前我還...
沈念sama閱讀 45,401評(píng)論 2贊 352
代替公主和親
正文我出身青樓，卻偏偏與公主長(zhǎng)得像疤祭，于是被迫代替她去往敵國(guó)和親盼产。傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 42,700評(píng)論 2贊 345