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特征.

补体和反向补体

核苷酸序列可以是反向补充以获得新的序列.此外，补充序列可以反向补充以获得原始序列. Biopython提供了两种方法来实现这一功能 :  补充和反向补充.这个代码在下面和下面给出;

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

这里，complement()方法允许补充DNA或RNA序列. reverse_complement()方法从左到右补充和反转结果序列.它显示在下面和下面;

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

Biopython使用Bio.Data.IUPACData提供的ambiguous_dna_complement变量来做补充操作.

>>> 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. GC含量是GC核苷酸的数量除以总核苷酸.

要获得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互补(TCAG→CUGA)以获得mRNA，将DNA视为模板链.然而，在Biopython中的生物信息学中，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.

以上的简单示例如下跟随 : 去;

>>> 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()) >>>

要反转转录，T将更改为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，将反转录的RNA反向补充为给出以下 :

 >>> 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()函数应用于上面和下面的代码;

 >>> 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()，'*'))

这里，停止密码子用星号'*'表示.

在translate()方法中可以在第一个终止密码子处停止.要执行此操作，您可以在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，因为它不包含一个.

翻译表

NCBI的遗传代码页面提供了Biopython使用的翻译表的完整列表.让我们看一下标准表的示例来可视化代码 :

>>> 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转化为蛋白质以及找到终止密码子.