- Biopython 教程
- Biopython - 主页
- Biopython - 简介
- Biopython - 安装
- 创建简单的应用程序
- Biopython - 序列
- 高级序列操作
- 顺序 I/O 操作
- Biopython - 序列比对
- Biopython - BLAST 概述
- Biopython - Entrez 数据库
- Biopython - PDB 模块
- Biopython - 图案对象
- Biopython - BioSQL 模块
- Biopython - 群体遗传学
- Biopython - 基因组分析
- Biopython - 表型微阵列
- Biopython - 绘图
- Biopython - 聚类分析
- Biopython - 机器学习
- Biopython - 测试技术
- Biopython 资源
- Biopython - 快速指南
- Biopython - 有用的资源
- Biopython - 讨论
Biopython - 序列
序列是用于表示生物体的蛋白质、DNA 或 RNA 的一系列字母。它由 Seq 类表示。Seq 类在 Bio.Seq 模块中定义。
让我们在 Biopython 中创建一个简单的序列,如下所示 -
>>> from Bio.Seq import Seq >>> seq = Seq("AGCT") >>> seq Seq('AGCT') >>> print(seq) AGCT
在这里,我们创建了一个简单的蛋白质序列AGCT,每个字母代表A丙氨酸、G赖氨酸、半胱氨酸和T苏氨酸。
每个 Seq 对象都有两个重要的属性 -
数据 - 实际序列字符串 (AGCT)
字母表- 用于表示序列的类型。例如DNA序列、RNA序列等。默认情况下,它不代表任何序列,本质上是通用的。
字母模块
Seq 对象包含 Alphabet 属性来指定序列类型、字母和可能的操作。它在 Bio.Alphabet 模块中定义。字母表可以定义如下 -
>>> from Bio.Seq import Seq >>> myseq = Seq("AGCT") >>> myseq Seq('AGCT') >>> myseq.alphabet Alphabet()
Alphabet 模块提供以下类来表示不同类型的序列。Alphabet - 所有类型字母的基类。
SingleLetterAlphabet - 字母大小为 1 的通用字母表。它源自 Alphabet,所有其他字母类型均源自它。
>>> from Bio.Seq import Seq >>> from Bio.Alphabet import single_letter_alphabet >>> test_seq = Seq('AGTACACTGGT', single_letter_alphabet) >>> test_seq Seq('AGTACACTGGT', SingleLetterAlphabet())
ProteinAlphabet - 通用单字母蛋白质字母表。
>>> from Bio.Seq import Seq >>> from Bio.Alphabet import generic_protein >>> test_seq = Seq('AGTACACTGGT', generic_protein) >>> test_seq Seq('AGTACACTGGT', ProteinAlphabet())
NucleotideAlphabet - 通用单字母核苷酸字母表。
>>> from Bio.Seq import Seq >>> from Bio.Alphabet import generic_nucleotide >>> test_seq = Seq('AGTACACTGGT', generic_nucleotide) >>> test_seq Seq('AGTACACTGGT', NucleotideAlphabet())
DNAAlphabet - 通用单字母 DNA 字母表。
>>> from Bio.Seq import Seq >>> from Bio.Alphabet import generic_dna >>> test_seq = Seq('AGTACACTGGT', generic_dna) >>> test_seq Seq('AGTACACTGGT', DNAAlphabet())
RNAAlphabet - 通用单字母 RNA 字母表。
>>> from Bio.Seq import Seq >>> from Bio.Alphabet import generic_rna >>> test_seq = Seq('AGTACACTGGT', generic_rna) >>> test_seq Seq('AGTACACTGGT', RNAAlphabet())
Biopython 模块 Bio.Alphabet.IUPAC 提供了 IUPAC 社区定义的基本序列类型。它包含以下类 -
IUPACProtein(蛋白质) - 20 个标准氨基酸的 IUPAC 蛋白质字母表。
Extended IUPACProtein (extended_ Protein) - 扩展大写 IUPAC 蛋白质单字母字母表,包括 X。
IUPACAmbigeousDNA (ambiguously_dna) - 大写 IUPAC 模糊 DNA。
IUPACUnambiguousDNA (unambigously_dna) - 大写的 IUPAC 明确 DNA (GATC)。
ExtendedIUPACDNA (extended_dna) - 扩展的 IUPAC DNA 字母表。
IUPACAmbigouslyRNA (ambiguously_rna) - 大写 IUPAC 模糊 RNA。
IUPACUnambiguousRNA (unambigously_rna) - 大写 IUPAC 明确 RNA (GAUC)。
考虑 IUPACProtein 类的一个简单示例,如下所示 -
>>> from Bio.Alphabet import IUPAC >>> protein_seq = Seq("AGCT", IUPAC.protein) >>> protein_seq Seq('AGCT', IUPACProtein()) >>> protein_seq.alphabet
此外,Biopython 通过 Bio.Data 模块公开所有生物信息学相关的配置数据。例如,IUPACData. Protein_letters 具有 IUPACProtein 字母表中可能的字母。
>>> from Bio.Data import IUPACData >>> IUPACData.protein_letters 'ACDEFGHIKLMNPQRSTVWY'
基本操作
本节简要说明 Seq 类中可用的所有基本操作。序列类似于 python 字符串。我们可以执行Python字符串操作,如序列中的切片、计数、连接、查找、分割和剥离。
使用以下代码获得各种输出。
获取序列中的第一个值。
>>> seq_string = Seq("AGCTAGCT") >>> seq_string[0] 'A'
打印前两个值。
>>> seq_string[0:2] Seq('AG')
打印所有值。
>>> seq_string[ : ] Seq('AGCTAGCT')
执行长度和计数操作。
>>> len(seq_string) 8 >>> seq_string.count('A') 2
添加两个序列。
>>> from Bio.Alphabet import generic_dna, generic_protein >>> seq1 = Seq("AGCT", generic_dna) >>> seq2 = Seq("TCGA", generic_dna) >>> seq1+seq2 Seq('AGCTTCGA', DNAAlphabet())
这里,上述两个序列对象 seq1、seq2 是通用 DNA 序列,因此您可以添加它们并生成新序列。您不能添加具有不兼容字母的序列,例如蛋白质序列和 DNA 序列,如下所示 -
>>> dna_seq = Seq('AGTACACTGGT', generic_dna) >>> protein_seq = Seq('AGUACACUGGU', generic_protein) >>> dna_seq + protein_seq ..... ..... TypeError: Incompatible alphabets DNAAlphabet() and ProteinAlphabet() >>>
要添加两个或多个序列,首先将其存储在 python 列表中,然后使用“for 循环”检索它,最后将其添加在一起,如下所示 -
>>> from Bio.Alphabet import generic_dna >>> list = [Seq("AGCT",generic_dna),Seq("TCGA",generic_dna),Seq("AAA",generic_dna)] >>> for s in list: ... print(s) ... AGCT TCGA AAA >>> final_seq = Seq(" ",generic_dna) >>> for s in list: ... final_seq = final_seq + s ... >>> final_seq Seq('AGCTTCGAAAA', DNAAlphabet())
在下面的部分中,给出了各种代码以根据要求获得输出。
更改顺序的大小写。
>>> from Bio.Alphabet import generic_rna >>> rna = Seq("agct", generic_rna) >>> rna.upper() Seq('AGCT', RNAAlphabet())
检查 python 成员资格和身份运算符。
>>> rna = Seq("agct", generic_rna) >>> 'a' in rna True >>> 'A' in rna False >>> rna1 = Seq("AGCT", generic_dna) >>> rna is rna1 False
在给定序列中查找单个字母或字母序列。
>>> protein_seq = Seq('AGUACACUGGU', generic_protein) >>> protein_seq.find('G') 1 >>> protein_seq.find('GG') 8
进行分裂操作。
>>> protein_seq = Seq('AGUACACUGGU', generic_protein) >>> protein_seq.split('A') [Seq('', ProteinAlphabet()), Seq('GU', ProteinAlphabet()), Seq('C', ProteinAlphabet()), Seq('CUGGU', ProteinAlphabet())]
按顺序执行剥离操作。
>>> strip_seq = Seq(" AGCT ") >>> strip_seq Seq(' AGCT ') >>> strip_seq.strip() Seq('AGCT')