当前位置：极客教程 > Biopython > Biopython 教程 > Biopython 序列

Biopython 序列

Biopython 序列

序列是用来表示生物体蛋白质、DNA或RNA的一系列字母。它由Seq类表示。Seq类被定义在Bio.Seq模块中。

让我们在Biopython中创建一个简单的序列，如下图所示。

>>> from Bio.Seq import Seq 
>>> seq = Seq("AGCT") 
>>> seq 
Seq('AGCT') 
>>> print(seq) 
AGCT
Python

这里，我们创建了一个简单的蛋白质序列 AGCT ，每个字母代表 A lanine、 G lycine、 C ysteine和 T hreonine。

每个Seq对象有两个重要的属性 –

  • 数据 – 实际的序列字符串(AGCT)

  • 字母 – 用来表示序列的类型。例如，DNA序列、RNA序列等。默认情况下，它不代表任何序列，在性质上是通用的。

字母表模块

Seq对象包含Alphabet属性，用于指定序列类型、字母和可能的操作。它被定义在Bio.Alphabet模块中。字母表可以被定义为以下内容

>>> from Bio.Seq import Seq 
>>> myseq = Seq("AGCT") 
>>> myseq 
Seq('AGCT') 
>>> myseq.alphabet 
Alphabet()
Python

字母表模块提供以下类来表示不同类型的序列。Alphabet – 所有类型的字母的基类。

SingleLetterAlphabet – 通用的字母表，字母大小为1。它派生自Alphabet，所有其他字母类型都派生自它。

>>> from Bio.Seq import Seq 
>>> from Bio.Alphabet import single_letter_alphabet 
>>> test_seq = Seq('AGTACACTGGT', single_letter_alphabet) 
>>> test_seq 
Seq('AGTACACTGGT', SingleLetterAlphabet())
Python

ProteinAlphabet – 通用的单字母蛋白质字母表。

>>> from Bio.Seq import Seq 
>>> from Bio.Alphabet import generic_protein 
>>> test_seq = Seq('AGTACACTGGT', generic_protein) 
>>> test_seq 
Seq('AGTACACTGGT', ProteinAlphabet())
Python

NucleotideAlphabet – 通用的单字母核苷酸字母表。

>>> from Bio.Seq import Seq 
>>> from Bio.Alphabet import generic_nucleotide 
>>> test_seq = Seq('AGTACACTGGT', generic_nucleotide) >>> test_seq 
Seq('AGTACACTGGT', NucleotideAlphabet())
Python

DNAAlphabet – 通用的单字母DNA字母表。

>>> from Bio.Seq import Seq 
>>> from Bio.Alphabet import generic_dna 
>>> test_seq = Seq('AGTACACTGGT', generic_dna) 
>>> test_seq 
Seq('AGTACACTGGT', DNAAlphabet())
Python

RNAAlphabet – 通用的单字母RNA字母表。

>>> from Bio.Seq import Seq 
>>> from Bio.Alphabet import generic_rna 
>>> test_seq = Seq('AGTACACTGGT', generic_rna) 
>>> test_seq 
Seq('AGTACACTGGT', RNAAlphabet())
Python

Biopython模块，Bio.Alphabet.IUPAC提供了由IUPAC社区定义的基本序列类型。它包含以下类别

  • IUPACProtein (protein) – IUPAC蛋白质字母表的20个标准氨基酸。

  • ExtendedIUPACProtein (extended_protein) – 扩展的大写IUPAC蛋白质单字母字母表，包括X。

  • IUPACAmbiguousDNA (ambiguous_dna) – 大写的IUPAC模糊DNA。

  • IUPACUnambiguousDNA (unambiguous_dna) – 大写的IUPAC不含糊的DNA（GATC）。

  • ExtendedIUPACDNA (extended_dna) – 扩展的IUPAC DNA字母表。

  • IUPACAmbiguousRNA (ambiguous_rna) – 大写的IUPAC含糊RNA。

  • IUPACUnambiguousRNA (unambiguous_rna) – 大写的IUPAC非歧义RNA（GAUC）。

考虑一个简单的IUPACProtein类的例子，如下所示 –

>>> from Bio.Alphabet import IUPAC 
>>> protein_seq = Seq("AGCT", IUPAC.protein) 
>>> protein_seq 
Seq('AGCT', IUPACProtein()) 
>>> protein_seq.alphabet
Python

同时，Biopython通过Bio.Data模块公开了所有生物信息学相关的配置数据。例如，IUPACData.protein_letters具有IUPACProtein字母表的可能字母。

>>> from Bio.Data import IUPACData 
>>> IUPACData.protein_letters 
'ACDEFGHIKLMNPQRSTVWY'
Python

基本操作

本节简要地解释了Seq类中的所有基本操作。序列类似于 python 字符串。我们可以在序列中执行python字符串操作，如切片、计数、串联、查找、分割和剥离。

使用下面的代码来获得各种输出。

要获得序列中的第一个值 。

>>> seq_string = Seq("AGCTAGCT") 
>>> seq_string[0] 
'A'
Python

要打印前两个值 。

>>> seq_string[0:2] 
Seq('AG')
Python

要打印所有的数值 。

>>> seq_string[ : ] 
Seq('AGCTAGCT')
Python

要进行长度和计数操作 。

>>> len(seq_string) 
8 
>>> seq_string.count('A') 
2
Python

要添加两个序列 。

>>> from Bio.Alphabet import generic_dna, generic_protein 
>>> seq1 = Seq("AGCT", generic_dna) 
>>> seq2 = Seq("TCGA", generic_dna)
>>> seq1+seq2 
Seq('AGCTTCGA', DNAAlphabet())
Python

在这里，上述两个序列对象，seq1，seq2是通用的DNA序列，因此你可以添加它们并产生新的序列。你不能添加具有不相容字母的序列，如下面指定的蛋白质序列和DNA序列。

>>> dna_seq = Seq('AGTACACTGGT', generic_dna) 
>>> protein_seq = Seq('AGUACACUGGU', generic_protein) 
>>> dna_seq + protein_seq 
..... 
..... 
TypeError: Incompatible alphabets DNAAlphabet() and ProteinAlphabet() 
>>>
Python

要添加两个或更多的序列，首先将其存储在一个Python列表中，然后使用 “for循环 “进行检索，最后将其添加到一起，如下所示。

>>> from Bio.Alphabet import generic_dna 
>>> list = [Seq("AGCT",generic_dna),Seq("TCGA",generic_dna),Seq("AAA",generic_dna)] 
>>> for s in list: 
... print(s) 
... 
AGCT 
TCGA 
AAA 
>>> final_seq = Seq(" ",generic_dna) 
>>> for s in list: 
... final_seq = final_seq + s 
... 
>>> final_seq 
Seq('AGCTTCGAAAA', DNAAlphabet())
Python

在下面一节中，给出了各种代码，以根据要求获得输出。

为了改变序列的情况 。

>>> from Bio.Alphabet import generic_rna 
>>> rna = Seq("agct", generic_rna) 
>>> rna.upper() 
Seq('AGCT', RNAAlphabet())
Python

检查Python成员和身份操作员 。

>>> rna = Seq("agct", generic_rna) 
>>> 'a' in rna 
True 
>>> 'A' in rna 
False 
>>> rna1 = Seq("AGCT", generic_dna) 
>>> rna is rna1 
False
Python

在给定的序列中寻找单个字母或字母序列 。

>>> protein_seq = Seq('AGUACACUGGU', generic_protein) 
>>> protein_seq.find('G') 
1 
>>> protein_seq.find('GG') 
8
Python

要执行分割操作 。

>>> protein_seq = Seq('AGUACACUGGU', generic_protein) 
>>> protein_seq.split('A') 
[Seq('', ProteinAlphabet()), Seq('GU', ProteinAlphabet()), 
   Seq('C', ProteinAlphabet()), Seq('CUGGU', ProteinAlphabet())]
Python

要按顺序进行带状操作 。

>>> strip_seq = Seq(" AGCT ") 
>>> strip_seq 
Seq(' AGCT ') 
>>> strip_seq.strip() 
Seq('AGCT')
Python

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Biopython 教程

登录

找回密码？

注册