📜  Biopython-高级序列操作

📅  最后修改于: 2020-11-09 04:58:58             🧑  作者: Mango


在本章中,我们将讨论Biopython提供的一些高级序列功能。

补码和反补码

核苷酸序列可以反向互补以获得新序列。同样,互补序列可以反向互补以获得原始序列。 Biopython提供了两种方法来实现此功能-互补reverse_complement 。的代码在下面给出-

>>> from Bio.Alphabet import IUPAC 
>>> nucleotide = Seq('TCGAAGTCAGTC', IUPAC.ambiguous_dna) 
>>> nucleotide.complement() 
Seq('AGCTTCAGTCAG', IUPACAmbiguousDNA()) 
>>>

在这里,complement()方法允许互补DNA或RNA序列。 reverse_complement()方法对结果序列进行补充,并从左向右反转。它显示如下-

>>> nucleotide.reverse_complement() 
Seq('GACTGACTTCGA', IUPACAmbiguousDNA())

Biopython使用Bio.Data.IUPACData提供的ambiguous_dna_complement变量进行补码操作。

>>> 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

预测基因组DNA的碱基组成(GC含量)将显着影响基因组功能和物种生态。 GC含量是GC核苷酸的数目除以总核苷酸。

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序列转换为RNA序列的过程。实际的生物转录过程是执行反向补体(TCAG→CUGA)以将DNA作为模板链来获得mRNA。但是,在生物信息学以及Biopython中,我们通常直接使用编码链,并且可以通过将字母T更改为U来获得mRNA序列。

上面的简单示例如下-

>>> 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()) 
>>>

为了逆转转录,T更改为U,如下面的代码所示-

>>> rna_seq = transcribe(dna_seq) 
>>> rna_seq.back_transcribe() 
Seq('ATGCCGATCGTAT', IUPACUnambiguousDNA())

要获得DNA模板链,请反向互补反向转录的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()函数应用于上面的代码-

>>> rna_seq.translate() 
Seq('MAIV', IUPACProtein())

上面的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(), '*'))

在此,终止密码子用星号“ *”表示。

在translate()方法中可能会在第一个终止密码子处终止。为此,您可以在translate()中将to_stop = True分配如下:

>>> rna.translate(to_stop = True) 
Seq('MAIVMGR', IUPACProtein())

此处,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的示例以可视化代码-

>>> 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转换为蛋白质,并找到终止密码子。