Biopython常用功能模块

^{Biopython项目是旨在减少计算生物学中代码重复的开源项目之一，由国际开发人员协会创建。 它包含表示生物序列和序列注释的类，并且能够读取和写入各种文件格式（FASTA，FASTQ，GenBank和Clustal等）， 支持以程序化方式访问生物信息的在线数据库（例如，NCBI）。 独立的模块扩展了Biopython的序列比对，蛋白质结构，群体遗传学，系统发育，序列基序和机器学习等功能。}

序列操作

>>> # This script creates a DNA sequence and performs some typical manipulations
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import IUPAC
>>> dna_sequence = Seq('AGGCTTCTCGTA', IUPAC.unambiguous_dna)
>>> dna_sequence
Seq('AGGCTTCTCGTA', IUPACUnambiguousDNA())
>>> dna_sequence[2:7]
Seq('GCTTC', IUPACUnambiguousDNA())
>>> dna_sequence.reverse_complement()
Seq('TACGAGAAGCCT', IUPACUnambiguousDNA())
>>> rna_sequence = dna_sequence.transcribe()
>>> rna_sequence
Seq('AGGCUUCUCGUA', IUPACUnambiguousRNA())
>>> rna_sequence.translate()
Seq('RLLV', IUPACProtein())

序列注释

特征可以是'基因'，'CDS'（编码序列），'repeat_region'，'mobile_element'或其他，并且序列中特征的位置可以是精确或近似的。

>>> # This script loads an annotated sequence from file and views some of its contents.
>>> from Bio import SeqIO
>>> seq_record = SeqIO.read('pTC2.gb', 'genbank')
>>> seq_record.name
'NC_019375'
>>> seq_record.description
'Providencia stuartii plasmid pTC2, complete sequence.'
>>> seq_record.features[14]
SeqFeature(FeatureLocation(ExactPosition(4516), ExactPosition(5336), strand=1), type='mobile_element')
>>> seq_record.seq
Seq('GGATTGAATATAACCGACGTGACTGTTACATTTAGGTGGCTAAACCCGTCAAGC...GCC', IUPACAmbiguousDNA())

输入与输出

Biopython可以读写许多常见的序列格式，包括FASTA，FASTQ，GenBank，Clustal，PHYLIP和NEXUS等，可将一种文件格式的记录转换为其它文件格式。在读取数据时，根据计算机的内存资源和文件的大小，它们可以完全加载到内存中，以内存使用为代价提供快速访问。或者从磁盘读取文件，虽然性能较差但内存要求较低。

>>> # This script loads a file containing multiple sequences and saves each one in a different format.
>>> from Bio import SeqIO
>>> genomes = SeqIO.parse('salmonella.gb', 'genbank')
>>> for genome in genomes:
...     SeqIO.write(genome, genome.id + '.fasta', 'fasta')

在线数据库数据搜索和下载

>>> # This script downloads genomes from the NCBI Nucleotide database and saves them in a FASTA file.
>>> from Bio import Entrez
>>> from Bio import SeqIO
>>> output_file = open('all_records.fasta', "w")
>>> Entrez.email = 'my_email@example.com'
>>> records_to_download = ['FO834906.1', 'FO203501.1']
>>> for record_id in records_to_download:
...     handle = Entrez.efetch(db='nucleotide', id=record_id, rettype='gb')
...     seqRecord = SeqIO.read(handle, format='gb')
...     handle.close()
...     output_file.write(seqRecord.format('fasta'))

进化树

Bio.Phylo模块提供了用于处理和可视化系统发生树的工具,支持Newick，NEXUS和phyloXML等文件格式读写。

Genome Diagram&lt

GenomeDiagram模块提供了Biopython中可视化序列的方法，序列可以以线性或圆形的形式绘制，支持许多输出格式，包括PDF和PNG。

蛋白质结构

Bio.PDB模块可以从PDB和mmCIF文件加载分子结构，使用Bio.PDB，可以浏览大分子结构文件的各个组件，例如检查蛋白质中的每个原子。 可以进行常见分析，例如测量距离或角度，比较残留物和计算残留物深度。

群体遗传学

Bio.PopGen模块可以分析Hardy-Weinberg平衡，连锁不平衡和群体等位基因频率的其他特征。

包装一些生信分析工具

Biopython包装了包括BLAST，Clustal，PhyML，EMBOSS和SAMtools等工具，用户可以继承一个通用的包装类，以添加对其他命令行工具的支持。

参考资料

https://en.wikipedia.org/wiki/Biopython

http://biopython.org/

转载请标明《http://www.cnblogs.com/yahengwang/p/9017041.html》