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功能。

1. 补码和反补码

核苷酸序列可以反向互补以获得新序列。而且互补序列可以反向互补以获得原始序列。Biopython提供了两种方法来实现此功能-补码和反向补码。如在下面给出的代码：

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

在这里，complement()方法允许互补DNA或RNA序列。reverse_complement()方法对结果序列从左到右进行补充和反转。如下代码所示 -

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

Biopython使用Bio.Data.IUPACData提供的ambiguous_dna_complement变量进行补码操作。

>>> 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'} 
>>>

2. GC内容

预测基因组DNA的碱基组成(GC含量)将显着影响基因组功能和物种生态。GC含量是GC核苷酸的数目除以总核苷酸。
要获取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

3. 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补体(TCAG→CUGA)以将DNA作为模板链来获得mRNA。但是，在生物信息学以及Biopython中，我们通常直接与编码链一起工作，并且可以通过将字母T更改为U来获得mRNA序列。

转录的简单示例如下：

>>> 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()) 
>>>

要逆转录，T更改为U，如以下代码所示：

>>> rna_seq = transcribe(dna_seq) 
>>> rna_seq.back_transcribe() 
Seq('ATGCCGATCGTAT', IUPACUnambiguousDNA())

要获得DNA模板链，请反向互补逆转录的RNA，如下所示：

>>> rna_seq.back_transcribe().reverse_complement() 
Seq('ATACGATCGGCAT', IUPACUnambiguousDNA())

4. 转换

转换是将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()函数应用于上面的代码中：

>>> rna_seq.translate() 
Seq('MAIV', IUPACProtein())

上面的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(), '*'))

在此，终止密码子用星号*表示。

在translate()方法中可能会在第一个终止码子处终止。要执行此操作，可以在translate()中分配参数为：to_stop = True，如下所示：

>>> rna.translate(to_stop = True) 
Seq('MAIVMGR', IUPACProtein())

此处，终止密码子不包含在结果序列中，因为它不包含一个。

转换表
NCBI的“遗传密码”页面提供了Biopython使用的转换表的完整列表。下面来看一个标准表的示例以可视化代码-

>>> 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转换为蛋白质，并找到终止码子。