BioSequences

• BioSequences
  • 关于本项目
  • 安装
    • pip 安装
    • 下载源码安装
  • 示例
    • 加载序列信息
    • 序列基本操作
  • 贡献者
  • 致谢

关于本项目

BioSequences是一个集合了基本的常用的生物序列分析工具的包，旨在提高日常一些基本序列分析流程的工作效率，以及为大数据分析提供一些基础支持。

完整文档请看这里Document。

安装

pip 安装

pip install biosequences

下载源码安装

windows下需要安装Microsoft VC++编译工具, Linux 需要安装gcc或其他编译工具。

git clone https://github.com/Dragon-GCS/BioSequences.git
cd BioSequences
python -m pip install BioSequences

示例

加载序列信息

bioseq可以从标准fasta格式的文件或NCBI/Ensemble数据库读取序列信息。当fetch方法的参数为列表时可以批量抓取目标序列。

>>> from bioseq.utils import loadFasta, fetchNCBI, fetchENS
>>> sequence1 = loadFasta("/path/to/file.fasta")
>>> bsa = fetchNCBI("NP_851335.1")
>>> actin = fetchENS("ENST00000614376")

序列基本操作

bioseq.RNA，bioseq.DNA 和 bioseq.Peptide 都继承自 bioseq.Sequence，因此三者基本操作基本一致。

• 查看序列的基本属性

  >>> actin.GC, actin.length
  (0.5, 102)
  >>> actin.composition
  {'A': 24, 'C': 18, 'G': 33, 'T': 27}
  >>> actin.seq
  'AGAAACTTTAGCATCTGGCTAGGAGCATCTGTGGTGGCTCACCTTTCTACCTATACGTGTGAGTGGGTGACCTGAGAGGAGTACGGTGAGCATATGAGGATG'
  >>> round(bsa.weight, 1)
  69334.4
  >>> bsa.pI
  6.805
  >>> round(bsa.chargeInpH(7.4), 2)
  -13.76
  

• DNA序列或RNA序列可以进行转录transcript()，DNA序列有translate()方法可以翻译为RNA序列。 还可以通过bioseq.config.START_CODON自定义起始密码子，以及通过修改bioseq.config.CODON——TABLE自定义密码子表。

  >>> from bioseq.config import START_CODON, CODON_TABLE
  >>> actin.transcript()
  >>> START_CODON[0] = 'AGA'
  >>> actin.transcript()
  [N-RNFSIWLGASVVAHLSTYTCEWVT-C]
  >>> CODON_TABLE["AAC"] = "Y"
  >>> actin.transcript()
  [N-RYFSIWLGASVVAHLSTYTCEWVT-C]
  

• 两个相同类型的序列可以进行拼接

  >>> from bioseq import DNA
  >>> dna1 = DNA("ATCG")
  >>> dna2 = DNA("GCAT")
  >>> dna1 + dna2
  "5'-ATCGGCAT-3'"
  >>> dna2 + dna1
  "5'-GCATATCG-3'"
  

• 通过mutation()方法对序列进行修改

  >>> dna1.mutation("ATC", "GGG")
  'GGGG'
  >>> dna1.mutation(0, "AT")
  'ATGG'
  >>> dna1.mutation([0, 3], "C")
  'CTGC'
  

• Sequence用C语言实现了Needleman-Wunsch全局比对和Smith-Waterman局部比对两种基本的序列匹配算法，可以用来快速比对序列（局部比对仅返回匹配的局部序列）。

  >>> DNA("GCATGCT").align("GATTACA")
  ('GCA-TGCT', 'G-ATTACA', -4.0)
  >>> DNA("GCATGCT").align("GATTACA", 2)
  ('AT', 'AT', 4.0)
  

  比对返回的前两个参数为比对后的序列，第三个参数为匹配得分，可以通过bioseq.utils.printAlign()来优化比对结果的显示。

  >>> from bioseq.utils import printAlign
  >>> seq1, seq2, score = DNA("GCATGCT").align("GATTACA")
  >>> printAlign(seq1, seq2)
  1 GCA-TGCT
    ┃━┃━┃•┃•
  1 G-ATTACA
  

  可以通过修改bioseq.config.AlignmentConfig来修改匹配时的罚分，默认为MATCH(2.0), MISMATCH(-3.0), GAP_OPEN: (-3.0), GAP_EXTEND(-3.0)

  >>> from bioseq.config import AlignmentConfig
  >>> AlignmentConfig.GAP_OPEN = -10
  >>> DNA("GCATGCT").align("GATTACA")
  ('GCATGCT', 'GATTACA', -6.0)
  

贡献者

致谢

• Read the Docs
• Img Shields