Tools to analysis biology sequence
Project description
BioSequences
用于分析核酸与肽段序列
下载源码编译
python setup.py build_ext --inplace
rm ./build
pip安装
pip install biosequences
主要功能
bioseq.Sequence(seq="")
- RNA,DNA和Peptide都基于此抽象类,因此Sequence中的属性和方法为所有序列对象公有的属性和方法。
- 相同的序列对象可以直接与同类对象或字符串进行拼接,比较。
- 所有对象都不会对seq进行检查,所以构建对象时需要主要seq中不要出现不应该出现的字符,以免发生不必要的问题
from bioseq import DNA, Peptide
d1 = DNA("ATCC")
d2 = DNA("AC")
p1 = Peptide("MATN")
d1 # 5'-ATCC-3'
p1 # N-MATN-C
d1 + d2 # 5'-ATCCAC-3'
d2 + d1 # 5'-ACATCC-3'
d1 + p2 # TypeError(Only str or DNA can be added to DNA)
d1 == d2 # False
属性
seq
序列信息,不可修改
length
序列的长度
weight
序列的分子量
composition
序列中各个单位的含量
方法
align(subject, mode=1)
subject(str | Sequence):比对对象
mode(int):
1 - 使用Needleman-Wunsch进行全局比对
2 - 使用Smith-Waterman进行局部比对
find(target)
在序列中查找目标序列并返回所有匹配的起始位置
target(str| Sequence):目标序列
mutation(position, target)
改变序列信息
position(str | int | List[int]):修改位置的起始值或需要修改的字符串
target(str| Sequence):目标序列
bioseq.RNA
用于存储RNA序列信息。
属性
revered
返回序列的反向RNA序列
complemented
返回序列的反向互补RNA序列
GC
返回序列的GC含量
orf
序列中的开放读码框,使用过getOrf()方法后才具有此属性
peptide
序列转录产物,使用过tanscript()后才有此属性
方法
revers()
将序列自身变为其反向序列。注意:会修改序列自身
complemented()
将序列自身变为其反向互补序列。注意:会修改序列自身
getOrf(multi=False, replace=False)
获取序列上的ORF
multi(bool):是否查找所有frame +1~+3的orf,设置为False则仅查找最长的orf
replace(bool): 当multi=False时生效,是否将最长的orf替换为原序列
transcript(filtered=True)
将序列翻译为肽链
filtered(bool):是否对翻译进行筛选。设置为True时仅返回最长的翻译产物,否则返回所有翻译产物。翻译产物均为Peptide对象。
### bioseq.DNA
用于存储DNA序列信息。
方法
translate()
将DNA翻译为RNA对象并返回
transcript(filtered = True)
将序列翻译为肽链
filtered(bool):是否对翻译进行筛选。设置为True时仅返回最长的翻译产物,否则返回所有翻译产物。翻译产物均为Peptide对象。
bioseq.Peptide
用于存储肽链序列信息。
属性
pI
基于EMBOSS数据库中氨基酸的pK值, 计算该肽链序列的等电点并返回
方法
chargeInpH(pH: float)
基于EMBOSS数据库中氨基酸的pK值,计算肽链在某一pH下所带的电荷量
pH(float): 溶液的pH值
getHphob(window_size=9, show_img=True)
基于Doolittle(1982)的氨基酸疏水性数据,计算肽链的疏水性,疏水性
window_size(int):某一氨基酸的疏水性为window_size内该氨基酸位于window中心时的所有氨基酸疏水性的平均值
show_img:绘制疏水性结果,需要matplotlib
bioseq.config
可在此文件中直接修改配置数据,或通过以下函数在运行时修改部分数据
setAlignPara(match = 2, mismatch = -3, gap_open = -3, gap_extend = -3)
修改序列比对时的评分规则,需要在比对前进行设置
match(int) :匹配得分(>0)
mismath(int):错配得分(<0)
gap_open(int):开口得分(<0)
gap_extend(int):开口延长得分(<0)
d1 = DNA("ATCTCGC")
d2 = DNA("ATCCC")
print(d1.align(d2)) #('ATCTCGC', 'ATC-C-C', 4.0)
setAlignPara(5)
print(d1.align(d2)) #('ATCTCGC', 'A--TCCC', -0.5)
setStartCoden(coden = None)
修改核酸序列转录时需要的起始密码子,为传入coden则将密码子初始化为*"AUG"*
coden(str | List(str)):密码子会在coden中寻找,如有匹配则开始进行转录
d1 = DNA("ATCATCTCAGCATGAC")
print(d1.transcript(filtered=False)) # []
setStartCoden(["AUC"])
print(d1.transcript(filtered=False)) # [N-IISA-C, N-ISA-C]
bioseq.utils
工具
printAlign(sequence1, sequence2, spacing=10, line_width=30, show_seq=True)
在命令行中按格式输出两个比对后的序列, 可在config.SYMBOL中修改显示的符号
spacing(int):序列显示间隔
line_width(int):每行显示的字符数
show_sequence(bool):是否显示序列
d1 = DNA("ATCATCTCAGCATGAC")
d2 = DNA("ATCATCGCATGAC")
seq1, seq2 = d1.align(d2)
printAlign(d1, d2)
# 1 ATCATCTCAG CAT
# ┃┃┃┃┃┃•┃┃• •┃•
# 1 ATCATCGCAT GAC
printAlign(d1, d2, spacing=3, line_width=10, show_seq=False)
# 1 ┃┃┃ ┃┃┃ •┃┃ •
#
# 11 •┃•
read_fasta(filename)
读取fasta文件,并返回所有读取到的(序列列表,序列名列表)Todo:加入更多解析格式
Change Log
1.0.9
- add type annotations, remove
*.pyi
file - add:
Sequence.reset_cache()
to reset some cached property, to update the value after mutation, includeweight
,composition
,GC(DNA, RNA)
,orf(DNA, RNA)
,peptide(DNA, RNA)
,translate(DNA, RNA)
,pI(Peptide)
,Hphob_list(Peptide)
. - add: warning when mutation overlaped previous mutaion
- fix: some wrong typing check in
Sequence.find()
,Sequence.mutation()
- remove:
return_score: bool
forSequence.align()
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
BioSequences-1.0.9.tar.gz
(15.3 kB
view hashes)
Built Distribution
Close
Hashes for BioSequences-1.0.9-cp38-cp38-win_amd64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 7be85e5641d7d1c0a93347d4b15c2917607a496f654bb8180e27f8bd5e51fe60 |
|
MD5 | cfe27531fe2b0c089d5c83b2ea19df41 |
|
BLAKE2b-256 | 1c6bd486cdf19c77cc46217a5b11884cf924023963e5ff1a1cd956b1043f447f |