Biopython-シーケンス
シーケンスは、生物のタンパク質、DNA、またはRNAを表すために使用される一連の文字です。Seqクラスで表されます。SeqクラスはBio.Seqモジュールで定義されています。
以下に示すように、Biopythonで簡単なシーケンスを作成しましょう-
>>> from Bio.Seq import Seq
>>> seq = Seq("AGCT")
>>> seq
Seq('AGCT')
>>> print(seq)
AGCTここでは、単純なタンパク質配列を作成しました AGCT そして各文字は Aラニン、 Gリシン、 Cysteineと Tレオニン。
各Seqオブジェクトには2つの重要な属性があります-
データ-実際のシーケンス文字列（AGCT）
アルファベット-シーケンスのタイプを表すために使用されます。たとえば、DNA配列、RNA配列など。デフォルトでは、配列を表すことはなく、本質的に一般的です。
アルファベットモジュール
Seqオブジェクトには、シーケンスタイプ、文字、および可能な操作を指定するためのAlphabet属性が含まれています。これはBio.Alphabetモジュールで定義されています。アルファベットは次のように定義できます-
>>> from Bio.Seq import Seq
>>> myseq = Seq("AGCT")
>>> myseq
Seq('AGCT')
>>> myseq.alphabet
Alphabet()アルファベットモジュールは、さまざまなタイプのシーケンスを表すために以下のクラスを提供します。Alphabet-すべてのタイプのアルファベットの基本クラス。
SingleLetterAlphabet-サイズ1の文字を含む一般的なアルファベット。それはアルファベットから派生し、他のすべてのアルファベットタイプはそれから派生します。
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import single_letter_alphabet
>>> test_seq = Seq('AGTACACTGGT', single_letter_alphabet)
>>> test_seq
Seq('AGTACACTGGT', SingleLetterAlphabet())ProteinAlphabet-一般的な1文字のタンパク質アルファベット。
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import generic_protein
>>> test_seq = Seq('AGTACACTGGT', generic_protein)
>>> test_seq
Seq('AGTACACTGGT', ProteinAlphabet())NucleotideAlphabet-一般的な1文字のヌクレオチドアルファベット。
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import generic_nucleotide
>>> test_seq = Seq('AGTACACTGGT', generic_nucleotide) >>> test_seq
Seq('AGTACACTGGT', NucleotideAlphabet())DNAAlphabet-一般的な1文字のDNAアルファベット。
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import generic_dna
>>> test_seq = Seq('AGTACACTGGT', generic_dna)
>>> test_seq
Seq('AGTACACTGGT', DNAAlphabet())RNAAlphabet-一般的な1文字のRNAアルファベット。
>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import generic_rna
>>> test_seq = Seq('AGTACACTGGT', generic_rna)
>>> test_seq
Seq('AGTACACTGGT', RNAAlphabet())BiopythonモジュールのBio.Alphabet.IUPACは、IUPACコミュニティで定義されている基本的なシーケンスタイプを提供します。次のクラスが含まれています-
IUPACProtein (protein) −20個の標準アミノ酸のIUPACタンパク質アルファベット。
ExtendedIUPACProtein (extended_protein) −Xを含む拡張大文字IUPACタンパク質の1文字のアルファベット。
IUPACAmbiguousDNA (ambiguous_dna) −大文字のIUPACのあいまいなDNA。
IUPACUnambiguousDNA (unambiguous_dna) −大文字のIUPAC明確なDNA（GATC）。
ExtendedIUPACDNA (extended_dna) −拡張IUPACDNAアルファベット。
IUPACAmbiguousRNA (ambiguous_rna) −大文字のIUPACのあいまいなRNA。
IUPACUnambiguousRNA (unambiguous_rna) −大文字のIUPAC明確なRNA（GAUC）。
以下に示すように、IUPACProteinクラスの簡単な例を考えてみましょう。
>>> from Bio.Alphabet import IUPAC
>>> protein_seq = Seq("AGCT", IUPAC.protein)
>>> protein_seq
Seq('AGCT', IUPACProtein())
>>> protein_seq.alphabetまた、Biopythonは、Bio.Dataモジュールを介してすべてのバイオインフォマティクス関連の構成データを公開します。たとえば、IUPACData.protein_lettersには、IUPACProteinアルファベットの可能な文字があります。
>>> from Bio.Data import IUPACData
>>> IUPACData.protein_letters
'ACDEFGHIKLMNPQRSTVWY'基本操作
このセクションでは、Seqクラスで使用できるすべての基本操作について簡単に説明します。シーケンスはPython文字列に似ています。スライス、カウント、連結、検索、分割、ストリップなどのPython文字列操作を順番に実行できます。
以下のコードを使用して、さまざまな出力を取得します。
To get the first value in sequence.
>>> seq_string = Seq("AGCTAGCT")
>>> seq_string[0]
'A'To print the first two values.
>>> seq_string[0:2]
Seq('AG')To print all the values.
>>> seq_string[ : ]
Seq('AGCTAGCT')To perform length and count operations.
>>> len(seq_string)
8
>>> seq_string.count('A')
2To add two sequences.
>>> from Bio.Alphabet import generic_dna, generic_protein
>>> seq1 = Seq("AGCT", generic_dna)
>>> seq2 = Seq("TCGA", generic_dna)
>>> seq1+seq2
Seq('AGCTTCGA', DNAAlphabet())ここで、上記の2つのシーケンスオブジェクトseq1、seq2は一般的なDNAシーケンスであるため、それらを追加して新しいシーケンスを作成できます。以下に指定するタンパク質配列やDNA配列など、互換性のないアルファベットの配列を追加することはできません。
>>> dna_seq = Seq('AGTACACTGGT', generic_dna)
>>> protein_seq = Seq('AGUACACUGGU', generic_protein)
>>> dna_seq + protein_seq
.....
.....
TypeError: Incompatible alphabets DNAAlphabet() and ProteinAlphabet()
>>>2つ以上のシーケンスを追加するには、最初にPythonリストに保存し、次に「forループ」を使用して取得し、最後に以下に示すように一緒に追加します。
>>> 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())以下のセクションでは、要件に基づいて出力を取得するためのさまざまなコードを示します。
To change the case of sequence.
>>> from Bio.Alphabet import generic_rna
>>> rna = Seq("agct", generic_rna)
>>> rna.upper()
Seq('AGCT', RNAAlphabet())To check python membership and identity operator.
>>> rna = Seq("agct", generic_rna)
>>> 'a' in rna
True
>>> 'A' in rna
False
>>> rna1 = Seq("AGCT", generic_dna)
>>> rna is rna1
FalseTo find single letter or sequence of letter inside the given sequence.
>>> protein_seq = Seq('AGUACACUGGU', generic_protein)
>>> protein_seq.find('G')
1
>>> protein_seq.find('GG')
8To perform splitting operation.
>>> protein_seq = Seq('AGUACACUGGU', generic_protein)
>>> protein_seq.split('A')
[Seq('', ProteinAlphabet()), Seq('GU', ProteinAlphabet()),
Seq('C', ProteinAlphabet()), Seq('CUGGU', ProteinAlphabet())]To perform strip operations in the sequence.
>>> strip_seq = Seq(" AGCT ")
>>> strip_seq
Seq(' AGCT ')
>>> strip_seq.strip()
Seq('AGCT')