Biopython 高级序列操作
在本章中,我们将讨论 Biopython 提供的一些高级序列功能。
补和反补
核苷酸序列可以反向互补得到新的序列。此外,补码后的序列可以反向补码得到原始序列。 Biopython 提供了两种方法来实现这个功能: 补充 and reverse_complement .代码如下:
>>> from Bio.Alphabet import IUPAC >>> nucleotide = Seq('TCGAAGTCAGTC', IUPAC.ambiguous_dna) >>> nucleotide.complement() Seq('AGCTTCAGTCAG', IUPACAmbiguousDNA()) >>>
在这里,complement() 方法允许对 DNA 或 RNA 序列进行补充。 reverse_complement() 方法从左到右对结果序列进行补充和反转。如下图所示:
>>> nucleotide.reverse_complement() Seq('GACTGACTTCGA', IUPACAmbiguousDNA())
Biopython 使用 Bio.Data.IUPACData 提供的 ambiguous_dna_complement 变量来做补码操作。
>>> from Bio.Data import IUPACData >>> import pprint >>> pprint.pprint(IUPACData.ambiguous_dna_complement) { 'A': 'T', 'B': 'V', 'C': 'G', 'D': 'H', 'G': 'C', 'H': 'D', 'K': 'M', 'M': 'K', 'N': 'N', 'R': 'Y', 'S': 'S', 'T': 'A', 'V': 'B', 'W': 'W', 'X': 'X', 'Y': 'R'} >>>
GC含量
基因组 DNA 碱基组成(GC 含量)预计会显着影响基因组功能和物种生态学。 GC含量是GC核苷酸数除以总核苷酸。
要获取 GC 核苷酸含量,请导入以下模块并执行以下步骤:
>>> from Bio.SeqUtils import GC >>> nucleotide = Seq("GACTGACTTCGA",IUPAC.unambiguous_dna) >>> GC(nucleotide) 50.0
转录
转录是将DNA序列转变为RNA序列的过程。实际的生物转录过程是执行反向补体 (TCAG → CUGA) 以获得将 DNA 视为模板链的 mRNA。然而,在生物信息学等 Biopython 中,我们通常直接使用编码链,我们可以通过将字母 T 更改为 U 来获得 mRNA 序列。
上面的简单例子如下:
>>> from Bio.Seq import Seq >>> from Bio.Seq import transcribe >>> from Bio.Alphabet import IUPAC >>> dna_seq = Seq("ATGCCGATCGTAT",IUPAC.unambiguous_dna) >>> transcribe(dna_seq) Seq('AUGCCGAUCGUAU', IUPACUnambiguousRNA()) >>>
逆转录,将T改为U,如下代码所示:
>>> rna_seq = transcribe(dna_seq) >>> rna_seq.back_transcribe() Seq('ATGCCGATCGTAT', IUPACUnambiguousDNA())
为了得到 DNA 模板链,反向补全反转录的 RNA,如下所示:
>>> rna_seq.back_transcribe().reverse_complement() Seq('ATACGATCGGCAT', IUPACUnambiguousDNA())
翻译
翻译是将RNA序列翻译成蛋白质序列的过程。考虑如下所示的RNA序列:
>>> rna_seq = Seq("AUGGCCAUUGUAAU",IUPAC.unambiguous_rna) >>> rna_seq Seq('AUGGCCAUUGUAAUGGGCCGCUGAAAGGGUGCCCGAUAG', IUPACUnambiguousRNA())
现在,将 translate() 函数应用到上面的代码中:
>>> rna_seq.translate() Seq('MAIV', IUPACProtein())
上述RNA序列很简单。考虑 RNA 序列,AUGGCCAUUGUAAUGGGCCGCUGAAAGGGUGCCCGA 并应用 translate():
>>> rna = Seq('AUGGCCAUUGUAAUGGGCCGCUGAAAGGGUGCCCGA', IUPAC.unambiguous_rna) >>> rna.translate() Seq('MAIVMGR*KGAR', HasStopCodon(IUPACProtein(), '*'))
在这里,终止密码子用星号“*”表示。
translate() 方法可以在第一个终止密码子处停止。为此,你可以在 translate() 中指定 to_stop=True,如下所示:
>>> rna.translate(to_stop = True) Seq('MAIVMGR', IUPACProtein())
这里,终止密码子不包含在结果序列中,因为它不包含一个。
翻译表
NCBI 的遗传密码页面提供了 Biopython 使用的翻译表的完整列表。让我们看一个标准表格的例子来可视化代码:
>>> from Bio.Data import CodonTable >>> table = CodonTable.unambiguous_dna_by_name["Standard"] >>> print(table) 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 --+---------+---------+---------+---------+-- >>>
Biopython 使用此表将 DNA 翻译成蛋白质并找到终止密码子。