Biopython - 序列

序列是用于表示生物体蛋白质，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 lanine， G lycine， C ysteine和 T hreonine.

每个Seq对象有两个重要的属性 :

• data : 实际的序列字符串(AGCT)

• alphabet : 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，用于指定序列类型，字母和可能的操作.它在Bio.Alphabet模块中定义.字母可以定义为低于 :

>>> 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.字母 - 所有类型字母的基类.

SingleLetterAlphabet  - 字母大小为1的通用字母.它源自Alphabet，所有其他字母表类型都源于它.

>>> 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IUPAC社区定义的基本序列类型.它包含以下类 :

• IUPACProtein(蛋白质) :  IUPAC 20种标准氨基酸的蛋白质字母表.

• ExtendedIUPACProtein(extended_protein) : 扩展的大写IUPAC蛋白单字母字母包括X.

• IUPACAmbiguousDNA(ambiguous_dna) : 大写的IUPAC模糊DNA.

• IUPACUnambiguousDNA(unambiguous_dna) : 大写IUPAC明确DNA(GATC).

• ExtendedIUPACDNA(extended_dna) : 扩展的IUPAC DNA字母表.

• IUPACAmbiguousRNA(ambiguous_rna) : 大写IUPAC模糊RNA.

• IUPACUnambiguousRNA(unambiguous_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模块公开所有与生物信息学相关的配置数据.例如，IUPACData.protein_letters具有IUPACProtein字母表的可能字母.

>>> from Bio.Data import IUPACData 
>>> IUPACData.protein_letters 
'ACDEFGHIKLMNPQRSTVWY'

基本操作

本节简要介绍所有基本操作可在Seq课程中找到.序列类似于python字符串.我们可以执行python字符串操作，如切片，计数，连接，查找，拆分和删除序列.

使用以下代码获取各种输出.

按顺序获取第一个值.

>>> 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.

 
>>>来自Bio.Alphabet import generic_dna，generic_protein 
>>> seq1 = Seq("AGCT"，generic_dna)
>>> seq2 = Seq("TCGA"，generic_dna)
>>> seq1 + seq2 
 Seq('AGCTTCGA'，DNAAlphabet())

这里，上面两个序列对象seq1，seq2是通用的DNA序列所以你可以添加它们并产生新的序列.您不能添加具有不兼容字母的序列，例如下面指定的蛋白质序列和DNA序列 :

>>> dna_seq = Seq('AGTACACTGGT', generic_dna) 
>>> protein_seq = Seq('AGUACACUGGU', generic_protein) 
>>> dna_seq + protein_seq 
..... 
..... 
TypeError: Incompatible alphabets DNAAlphabet() and ProteinAlphabet() 
>>>

要添加两个或更多序列，首先将其存储在python列表中，然后使用'for loop'检索它，最后将其添加到一起，如下所示 : 去;

>>> 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，根据要求给出了各种代码来获得输出.

改变序列的情况.

>>> from Bio.Alphabet import generic_rna 
>>> rna = Seq("agct", generic_rna) 
>>> rna.upper() 
Seq('AGCT', RNAAlphabet())

检查python成员资格和身份运营商.

>>> 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

执行拆分操作.

 
>>> protein_seq = Seq('AGUACACUGGU'，generic_protein)
>>> protein_seq.split('A')
 [Seq(''，ProteinAlphabet())，Seq('GU'，ProteinAlphabet())，
 Seq('C'，ProteinAlphabet())，Seq ('CUGGU'，ProteinAlphabet())]

在序列中执行条带操作.

>>> strip_seq = Seq(" AGCT ") 
>>> strip_seq 
Seq(' AGCT ') 
>>> strip_seq.strip() 
Seq('AGCT')