Biopython - 序列比对

序列比对是以特定顺序排列两个或多个序列（DNA、RNA 或蛋白质序列）以识别它们之间的相似区域的过程。

识别相似区域使我们能够推断出很多信息，例如物种之间保守的性状、不同物种在遗传上的接近程度、物种如何进化等。Biopython 为序列比对提供了广泛的支持。

让我们在本章中学习 Biopython 提供的一些重要功能 -

解析序列对齐

Biopython 提供了一个模块 Bio.AlignIO 来读取和写入序列比对。在生物信息学中，有很多格式可用于指定类似于早期学习的序列数据的序列比对数据。Bio.AlignIO 提供与 Bio.SeqIO 类似的 API，不同之处在于 Bio.SeqIO 作用于序列数据，而 Bio.AlignIO 作用于序列比对数据。

在开始学习之前，让我们从互联网上下载一个示例序列比对文件。

要下载示例文件，请按照以下步骤操作 -

步骤 1 - 打开您最喜欢的浏览器并访问http://pfam.xfam.org/family/browse网站。它将按字母顺序显示所有 Pfam 家族。

步骤 2 - 选择任何一个种子价值较少的家庭。它包含最少的数据，使我们能够轻松地进行对齐工作。在这里，我们选择/单击了 PF18225，它会打开http://pfam.xfam.org/family/PF18225，并显示有关它的完整详细信息，包括序列比对。

步骤 3 - 转到比对部分并下载斯德哥尔摩格式的序列比对文件 (PF18225_seed.txt)。

让我们尝试使用 Bio.AlignIO 读取下载的序列比对文件，如下所示 -

导入Bio.AlignIO模块

>>> from Bio import AlignIO

使用read方法读取对齐。read 方法用于读取给定文件中可用的单一对齐数据。如果给定的文件包含很多对齐方式，我们可以使用解析方法。parse 方法返回可迭代的比对对象，类似于 Bio.SeqIO 模块中的 parse 方法。

>>> alignment = AlignIO.read(open("PF18225_seed.txt"), "stockholm")

打印对齐对象。

>>> print(alignment)
SingleLetterAlphabet() alignment with 6 rows and 65 columns
MQNTPAERLPAIIEKAKSKHDINVWLLDRQGRDLLEQRVPAKVA...EGP B7RZ31_9GAMM/59-123 
AKQRGIAGLEEWLHRLDHSEAIPIFLIDEAGKDLLEREVPADIT...KKP A0A0C3NPG9_9PROT/58-119 
ARRHGQEYFQQWLERQPKKVKEQVFAVDQFGRELLGRPLPEDMA...KKP A0A143HL37_9GAMM/57-121 
TRRHGPESFRFWLERQPVEARDRIYAIDRSGAEILDRPIPRGMA...NKP A0A0X3UC67_9GAMM/57-121 
AINRNTQQLTQDLRAMPNWSLRFVYIVDRNNQDLLKRPLPPGIM...NRK B3PFT7_CELJU/62-126 
AVNATEREFTERIRTLPHWARRNVFVLDSQGFEIFDRELPSPVA...NRT K4KEM7_SIMAS/61-125
>>>

我们还可以检查比对中可用的序列（SeqRecord），如下所示 -

>>> for align in alignment: 
... print(align.seq) 
... 
MQNTPAERLPAIIEKAKSKHDINVWLLDRQGRDLLEQRVPAKVATVANQLRGRKRRAFARHREGP 
AKQRGIAGLEEWLHRLDHSEAIPIFLIDEAGKDLLEREVPADITA---RLDRRREHGEHGVRKKP 
ARRHGQEYFQQWLERQPKKVKEQVFAVDQFGRELLGRPLPEDMAPMLIALNYRNRESHAQVDKKP 
TRRHGPESFRFWLERQPVEARDRIYAIDRSGAEILDRPIPRGMAPLFKVLSFRNREDQGLVNNKP 
AINRNTQQLTQDLRAMPNWSLRFVYIVDRNNQDLLKRPLPPGIMVLAPRLTAKHPYDKVQDRNRK 
AVNATEREFTERIRTLPHWARRNVFVLDSQGFEIFDRELPSPVADLMRKLDLDRPFKKLERKNRT 
>>>

多重对齐

一般来说，大多数序列比对文件都包含单一比对数据，使用read方法来解析它就足够了。在多序列比对概念中，比较两个或多个序列以获得它们之间的最佳子序列匹配，并在单个文件中产生多序列比对。

如果输入序列比对格式包含多个序列比对，那么我们需要使用parse方法而不是read方法，如下所示 -

>>> from Bio import AlignIO 
>>> alignments = AlignIO.parse(open("PF18225_seed.txt"), "stockholm") 
>>> print(alignments) 
<generator object parse at 0x000001CD1C7E0360> 
>>> for alignment in alignments: 
... print(alignment) 
... 
SingleLetterAlphabet() alignment with 6 rows and 65 columns 
MQNTPAERLPAIIEKAKSKHDINVWLLDRQGRDLLEQRVPAKVA...EGP B7RZ31_9GAMM/59-123 
AKQRGIAGLEEWLHRLDHSEAIPIFLIDEAGKDLLEREVPADIT...KKP A0A0C3NPG9_9PROT/58-119 
ARRHGQEYFQQWLERQPKKVKEQVFAVDQFGRELLGRPLPEDMA...KKP A0A143HL37_9GAMM/57-121 
TRRHGPESFRFWLERQPVEARDRIYAIDRSGAEILDRPIPRGMA...NKP A0A0X3UC67_9GAMM/57-121 
AINRNTQQLTQDLRAMPNWSLRFVYIVDRNNQDLLKRPLPPGIM...NRK B3PFT7_CELJU/62-126 
AVNATEREFTERIRTLPHWARRNVFVLDSQGFEIFDRELPSPVA...NRT K4KEM7_SIMAS/61-125
>>>

这里，parse方法返回可迭代的对齐对象，并且可以迭代它以获得实际的对齐。

成对序列比对

成对序列比对一次仅比较两个序列，并提供最佳的序列比对。Pairwise很容易理解，并且可以从结果序列比对中推断出来。

Biopython提供了一个特殊的模块Bio.pairwise2来使用pairwise方法来识别比对序列。Biopython采用最好的算法来查找比对序列，与其他软件不相上下。

让我们编写一个示例，使用pairwise 模块查找两个简单的假设序列的序列比对。这将帮助我们理解序列比对的概念以及如何使用 Biopython 对其进行编程。

步骤1

使用下面给出的命令导入模块pairwise2 -

>>> from Bio import pairwise2

第2步

创建两个序列，seq1 和 seq2 -

>>> from Bio.Seq import Seq 
>>> seq1 = Seq("ACCGGT") 
>>> seq2 = Seq("ACGT")

步骤3

调用方法pairwise2.align.globalxx以及seq1和seq2来使用下面的代码行查找比对 -

>>> alignments = pairwise2.align.globalxx(seq1, seq2)

在这里，globalxx方法执行实际工作并找到给定序列中所有可能的最佳比对。实际上，Bio.pairwise2 提供了相当多的方法，它们遵循以下约定来在不同场景下查找比对。

<sequence alignment type>XY

这里，序列比对类型是指比对类型，可以是全局的，也可以是局部的。全局类型是通过考虑整个序列来查找序列比对。局部类型也是通过查看给定序列的子集来查找序列比对。这将很乏味，但可以更好地了解给定序列之间的相似性。

X指的是匹配分数。可能的值为 x（完全匹配）、m（基于相同字符的分数）、d（用户提供的包含字符和匹配分数的字典），最后是 c（用户定义的函数，用于提供自定义评分算法）。
Y指间隙罚分。可能的值是 x（无间隙罚分）、s（两个序列的罚分相同）、d（每个序列的罚分不同）以及最后的 c（用户定义的函数，用于提供自定义间隙罚分）

因此，localds 也是一种有效的方法，它使用局部比对技术、用户提供的匹配字典以及用户为两个序列提供的空位罚分来查找序列比对。

>>> test_alignments = pairwise2.align.localds(seq1, seq2, blosum62, -10, -1)

这里，blosum62 指的是pairwise2 模块中可用的字典来提供匹配分数。-10 指空位开放罚分，-1 指空位延伸罚分。

步骤4

循环遍历可迭代的对齐对象并获取每个单独的对齐对象并打印它。

>>> for alignment in alignments: 
... print(alignment) 
... 
('ACCGGT', 'A-C-GT', 4.0, 0, 6) 
('ACCGGT', 'AC--GT', 4.0, 0, 6) 
('ACCGGT', 'A-CG-T', 4.0, 0, 6) 
('ACCGGT', 'AC-G-T', 4.0, 0, 6)

步骤5

Bio.pairwise2 模块提供了一种格式化方法 format_alignment 来更好地可视化结果 -

>>> from Bio.pairwise2 import format_alignment 
>>> alignments = pairwise2.align.globalxx(seq1, seq2) 
>>> for alignment in alignments: 
... print(format_alignment(*alignment)) 
...

ACCGGT 
| | || 
A-C-GT 
   Score=4 
   
ACCGGT 
|| || 
AC--GT 
   Score=4 

ACCGGT 
| || | 
A-CG-T 
   Score=4 

ACCGGT 
|| | | 
AC-G-T 
   Score=4

>>>

Biopython还提供了另一个模块来进行序列比对，Align。该模块提供了一组不同的 API 来简单地设置参数，如算法、模式、匹配分数、差距惩罚等，简单查看 Align 对象如下 -

>>> from Bio import Align
>>> aligner = Align.PairwiseAligner()
>>> print(aligner)
Pairwise sequence aligner with parameters
   match score: 1.000000
   mismatch score: 0.000000
   target open gap score: 0.000000
   target extend gap score: 0.000000
   target left open gap score: 0.000000
   target left extend gap score: 0.000000
   target right open gap score: 0.000000
   target right extend gap score: 0.000000
   query open gap score: 0.000000
   query extend gap score: 0.000000
   query left open gap score: 0.000000
   query left extend gap score: 0.000000
   query right open gap score: 0.000000
   query right extend gap score: 0.000000
   mode: global
>>>

支持序列比对工具

Biopython 通过 Bio.Align.Applications 模块提供了许多序列比对工具的接口。下面列出了一些工具 -

克拉斯塔尔W
肌肉
浮雕针和水

让我们在 Biopython 中编写一个简单的示例，通过最流行的比对工具 ClustalW 创建序列比对。

步骤 1 - 从http://www.clustal.org/download/current/下载 Clustalw 程序并安装。另外，使用“clustal”安装路径更新系统路径。

步骤 2 - 从模块 Bio.Align.Applications 导入 ClustalwCommanLine。

>>> from Bio.Align.Applications import ClustalwCommandline

步骤 3 - 通过使用 Biopython 包中提供的输入文件 opuntia.fasta 调用 ClustalwCommanLine 来设置 cmd。 https://raw.githubusercontent.com/biopython/biopython/master/Doc/examples/opuntia.fasta

>>> cmd = ClustalwCommandline("clustalw2",
infile="/path/to/biopython/sample/opuntia.fasta")
>>> print(cmd)
clustalw2 -infile=fasta/opuntia.fasta

步骤 4 - 调用 cmd() 将运行 clustalw 命令并给出结果对齐文件 opuntia.aln 的输出。

>>> stdout, stderr = cmd()

步骤 5 - 读取并打印对齐文件，如下 -

>>> from Bio import AlignIO
>>> align = AlignIO.read("/path/to/biopython/sample/opuntia.aln", "clustal")
>>> print(align)
SingleLetterAlphabet() alignment with 7 rows and 906 columns
TATACATTAAAGAAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273285|gb|AF191659.1|AF191
TATACATTAAAGAAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273284|gb|AF191658.1|AF191
TATACATTAAAGAAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273287|gb|AF191661.1|AF191
TATACATAAAAGAAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273286|gb|AF191660.1|AF191
TATACATTAAAGGAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273290|gb|AF191664.1|AF191
TATACATTAAAGGAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273289|gb|AF191663.1|AF191
TATACATTAAAGGAGGGGGATGCGGATAAATGGAAAGGCGAAAG...AGA
gi|6273291|gb|AF191665.1|AF191
>>>