Bio.SeqRecord模块¶
表示序列记录,带注释的序列。
- class Bio.SeqRecord.SeqRecord(seq, id='<unknown id>', name='<unknown name>', description='<unknown description>', dbxrefs=None, features=None, annotations=None, letter_annotations=None)¶
基类:
object
SeqRecord对象保存序列及其相关信息。
- 主要属性:
ID-标识符,如位置标签(字符串)
SEQ-序列本身(序列对象或类似对象)
- 其他属性:
名称-序列名称,例如基因名称(字符串)
说明-附加文本(字符串)
dbxrefs-数据库交叉引用列表(字符串列表)
特征-定义的任何(子)特征(序列特征对象列表)
注释-有关整个序列(字典)的更多信息。大多数条目是字符串或字符串列表。
Letter_Annotation-每个字母/符号注释(受限词典)。它保存长度与序列长度匹配的Python序列(列表、字符串或元组)。典型的用法是保存代表测序质量分数的整数列表,或代表二级结构的字符串。
通常使用Bio.SeqIO将文件中的序列作为SeqRecord对象读入。但是,您可能希望直接创建自己的SeqRecord对象(请参阅 __init__ 方法以了解更多详细信息):
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> record = SeqRecord(Seq("MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF"), ... id="YP_025292.1", name="HokC", ... description="toxic membrane protein") >>> print(record) ID: YP_025292.1 Name: HokC Description: toxic membrane protein Number of features: 0 Seq('MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF')
如果要将SeqRecord对象保存到序列文件,请使用Bio.SeqIO。对于希望将SeqRecord转换为特定文件格式的字符串的特殊情况,有一个在内部使用Bio.SeqIO的Format方法:
>>> print(record.format("fasta")) >YP_025292.1 toxic membrane protein MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF
您还可以执行切片SeqRecord、检查其长度等操作
>>> len(record) 44 >>> edited = record[:10] + record[11:] >>> print(edited.seq) MKQHKAMIVAIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF >>> print(record.seq) MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF
- __init__(seq, id='<unknown id>', name='<unknown name>', description='<unknown description>', dbxrefs=None, features=None, annotations=None, letter_annotations=None)¶
创建一个SeqRecord。
- 参数:
SEQ-SEQUENCE,必需(SEQ或MutableSeq)
ID-序列标识符,推荐(字符串)
名称-序列名称,可选(字符串)
Description-序列描述,可选(字符串)
dbxrefs-数据库交叉引用,可选(字符串列表)
特征-任何(子)特征,可选(序列特征对象列表)
注释-整个序列的注释字典
Letter_Annotation-每个字母注释的字典-值应该是与完整序列长度相同的字符串、列表或元组。
通常使用Bio.SeqIO将文件中的序列作为SeqRecord对象读入。但是,您可能希望直接创建自己的SeqRecord对象。
请注意,虽然id是可选的,但我们强烈建议您为每条记录提供唯一的id字符串。如果您希望将序列写入文件,这一点尤其重要。
您可以创建一个“空的”SeqRecord对象,然后稍后填充属性。
- property letter_annotations¶
序列的每个字母注释的字典。
例如,它可以保存FASTQ或QUAL文件中使用的质量分数。考虑以下示例,使用Bio.SeqIO将示例Solexa变体FASTQ文件作为SeqRecord读入:
>>> from Bio import SeqIO >>> record = SeqIO.read("Quality/solexa_faked.fastq", "fastq-solexa") >>> print("%s %s" % (record.id, record.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(record.letter_annotations)) ['solexa_quality'] >>> print(record.letter_annotations["solexa_quality"]) [40, 39, 38, 37, 36, 35, 34, 33, 32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18, 17, 16, 15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0, -1, -2, -3, -4, -5]
如果对父SeqRecord进行切片,则会自动对Letter_Annotation进行切片,例如,取最后十个基数:
>>> sub_record = record[-10:] >>> print("%s %s" % (sub_record.id, sub_record.seq)) slxa_0001_1_0001_01 ACGTNNNNNN >>> print(sub_record.letter_annotations["solexa_quality"]) [4, 3, 2, 1, 0, -1, -2, -3, -4, -5]
只要长度与SeqRecord序列的长度匹配,任何Python序列(即列表、元组或字符串)都可以记录在SeqRecord的Letter_Annotation字典中。例如:
>>> len(sub_record.letter_annotations) 1 >>> sub_record.letter_annotations["dummy"] = "abcdefghij" >>> len(sub_record.letter_annotations) 2
您可以照常从Letter_Annotation字典中删除条目:
>>> del sub_record.letter_annotations["solexa_quality"] >>> sub_record.letter_annotations {'dummy': 'abcdefghij'}
您可以轻松地完全清除字典,如下所示:
>>> sub_record.letter_annotations = {} >>> sub_record.letter_annotations {}
请注意,如果用不同长度的序列替换记录的序列,则必须首先清除Letter_Annotation字典。
- property seq¶
序列本身,作为Seq或MutableSeq对象。
- __getitem__(index)¶
返回子序列或单个字母。
切片,例如MY_RECORD [5:10] 返回该子序列的新SeqRecord,其中保留了一些注释,如下所示:
名称、ID和描述保持原样。
任何每个字母的注释都会被切片,以匹配请求的子序列。
除非使用跨距,否则将包括完全落入子序列内的所有特征(并相应调整它们的位置)。如果您想保留任何截断的特征(例如,GenBank/EMBL源特征),您必须自己显式地将它们添加到新的SeqRecord中。
除了任何分子类型之外,注释字典和dbxrefs列表不用于新的SeqRecord,因为通常它们可能不适用于子序列。如果要保留它们,必须自己显式地将它们复制到新的SeqRecord。
使用整数索引,例如MY_RECORD [5] 是从序列my_record.seq中提取字母快捷方式 [5] 。
例如,考虑此短蛋白及其由PDB编码的二级结构(例如,H代表α螺旋),加上其组氨酸自身磷酸化位点的一个简单特征:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> from Bio.SeqFeature import SeqFeature, FeatureLocation >>> rec = SeqRecord(Seq("MAAGVKQLADDRTLLMAGVSHDLRTPLTRIRLAT" ... "EMMSEQDGYLAESINKDIEECNAIIEQFIDYLR"), ... id="1JOY", name="EnvZ", ... description="Homodimeric domain of EnvZ from E. coli") >>> rec.letter_annotations["secondary_structure"] = " S SSSSSSHHHHHTTTHHHHHHHHHHHHHHHHHHHHHHTHHHHHHHHHHHHHHHHHHHHHTT " >>> rec.features.append(SeqFeature(FeatureLocation(20, 21), ... type = "Site"))
现在让我们快速浏览一下完整的记录,
>>> print(rec) ID: 1JOY Name: EnvZ Description: Homodimeric domain of EnvZ from E. coli Number of features: 1 Per letter annotation for: secondary_structure Seq('MAAGVKQLADDRTLLMAGVSHDLRTPLTRIRLATEMMSEQDGYLAESINKDIEE...YLR') >>> rec.letter_annotations["secondary_structure"] ' S SSSSSSHHHHHTTTHHHHHHHHHHHHHHHHHHHHHHTHHHHHHHHHHHHHHHHHHHHHTT ' >>> print(rec.features[0].location) [20:21]
现在让我们取一个子序列,这里选择的是第一个(断裂的)α螺旋,它包括组氨酸磷酸化位点:
>>> sub = rec[11:41] >>> print(sub) ID: 1JOY Name: EnvZ Description: Homodimeric domain of EnvZ from E. coli Number of features: 1 Per letter annotation for: secondary_structure Seq('RTLLMAGVSHDLRTPLTRIRLATEMMSEQD') >>> sub.letter_annotations["secondary_structure"] 'HHHHHTTTHHHHHHHHHHHHHHHHHHHHHH' >>> print(sub.features[0].location) [9:10]
当然,您也可以省略起始值或结束值,例如,只获取前十个字母:
>>> print(rec[:10]) ID: 1JOY Name: EnvZ Description: Homodimeric domain of EnvZ from E. coli Number of features: 0 Per letter annotation for: secondary_structure Seq('MAAGVKQLAD')
或最后十个字母:
>>> print(rec[-10:]) ID: 1JOY Name: EnvZ Description: Homodimeric domain of EnvZ from E. coli Number of features: 0 Per letter annotation for: secondary_structure Seq('IIEQFIDYLR')
如果两者都省略,则会得到原始记录的副本(尽管缺少注释和dbxrefs):
>>> print(rec[:]) ID: 1JOY Name: EnvZ Description: Homodimeric domain of EnvZ from E. coli Number of features: 1 Per letter annotation for: secondary_structure Seq('MAAGVKQLADDRTLLMAGVSHDLRTPLTRIRLATEMMSEQDGYLAESINKDIEE...YLR')
最后,使用简单整数进行索引是直接从序列中提取字母的快捷方式:
>>> rec[5] 'K' >>> rec.seq[5] 'K'
- __iter__()¶
迭代序列中的字母。
例如,使用Bio.SeqIO读取蛋白质FASTA文件:
>>> from Bio import SeqIO >>> record = SeqIO.read("Fasta/loveliesbleeding.pro", "fasta") >>> for amino in record: ... print(amino) ... if amino == "L": break X A G L >>> print(record.seq[3]) L
这只是直接迭代序列的快捷方式:
>>> for amino in record.seq: ... print(amino) ... if amino == "L": break X A G L >>> print(record.seq[3]) L
请注意,这不利于与任何每个字母的注释一起迭代。但是,您可以使用记录(或其序列)上的python zip函数和相关的每字母注释来实现这一点:
>>> from Bio import SeqIO >>> rec = SeqIO.read("Quality/solexa_faked.fastq", "fastq-solexa") >>> print("%s %s" % (rec.id, rec.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(rec.letter_annotations)) ['solexa_quality'] >>> for nuc, qual in zip(rec, rec.letter_annotations["solexa_quality"]): ... if qual > 35: ... print("%s %i" % (nuc, qual)) A 40 C 39 G 38 T 37 A 36
您可能同意使用zip(rec.seq,.)比使用zip(rec,.)更明确如上所示。
- __contains__(char)¶
实现“in”关键字,搜索序列。
例如:
>>> from Bio import SeqIO >>> record = SeqIO.read("Fasta/sweetpea.nu", "fasta") >>> "GAATTC" in record False >>> "AAA" in record True
这实际上充当在序列上使用“in”的代理:
>>> "GAATTC" in record.seq False >>> "AAA" in record.seq True
请注意,您还可以使用Seq对象作为查询,
>>> from Bio.Seq import Seq >>> Seq("AAA") in record True
另请参见Seq对象的 __contains__ 方法。
- __str__()¶
返回记录及其注释的人类可读摘要(字符串)。
内置函数字符串的python通过调用对象的 ___str__ 方法。例如:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> record = SeqRecord(Seq("MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF"), ... id="YP_025292.1", name="HokC", ... description="toxic membrane protein, small") >>> print(str(record)) ID: YP_025292.1 Name: HokC Description: toxic membrane protein, small Number of features: 0 Seq('MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF')
在本例中,您实际上不需要调用stexplicity,因为print命令会自动执行此操作:
>>> print(record) ID: YP_025292.1 Name: HokC Description: toxic membrane protein, small Number of features: 0 Seq('MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF')
请注意,长序列显示为截断。
- __repr__()¶
返回用于调试的记录的简明摘要(字符串)。
内置函数repr的python通过调用对象的 ___repr__ 方法。例如:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> rec = SeqRecord(Seq("MASRGVNKVILVGNLGQDPEVRYMPNGGAVANITLATSESWRDKAT" ... "GEMKEQTEWHRVVLFGKLAEVASEYLRKGSQVYIEGQLRTRKWTDQ" ... "SGQDRYTTEVVVNVGGTMQMLGGRQGGGAPAGGNIGGGQPQGGWGQ" ... "PQQPQGGNQFSGGAQSRPQQSAPAAPSNEPPMDFDDDIPF"), ... id="NP_418483.1", name="b4059", ... description="ssDNA-binding protein", ... dbxrefs=["ASAP:13298", "GI:16131885", "GeneID:948570"]) >>> print(repr(rec)) SeqRecord(seq=Seq('MASRGVNKVILVGNLGQDPEVRYMPNGGAVANITLATSESWRDKATGEMKEQTE...IPF'), id='NP_418483.1', name='b4059', description='ssDNA-binding protein', dbxrefs=['ASAP:13298', 'GI:16131885', 'GeneID:948570'])
在python提示符下,您还可以使用以下速记:
>>> rec SeqRecord(seq=Seq('MASRGVNKVILVGNLGQDPEVRYMPNGGAVANITLATSESWRDKATGEMKEQTE...IPF'), id='NP_418483.1', name='b4059', description='ssDNA-binding protein', dbxrefs=['ASAP:13298', 'GI:16131885', 'GeneID:948570'])
请注意,长序列显示为截断。还要注意,没有显示任何注释、Letter_Annotation和特性(因为它们会导致非常长的字符串)。
- format(format)¶
以指定文件格式的字符串形式返回记录。
格式应为Bio.SeqIO支持的作为输出格式的小写字符串,用于将SeqRecord转换为字符串。例如:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> record = SeqRecord(Seq("MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF"), ... id="YP_025292.1", name="HokC", ... description="toxic membrane protein") >>> record.format("fasta") '>YP_025292.1 toxic membrane protein\nMKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF\n' >>> print(record.format("fasta")) >YP_025292.1 toxic membrane protein MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF
Python打印函数自动追加一行,这意味着在本例中会显示一个空行。如果查看字符串表示,可以看到后面有一个换行符(显示为劈开n),这在写入文件或将多个序列字符串连接在一起时很重要。
请注意,此方法不适用于Bio.SeqIO支持的所有可能的文件格式(例如,有些仅适用于多个序列,不支持二进制格式)。
- __format__(format_spec)¶
以指定文件格式的字符串形式返回记录。
此方法支持Python format()函数和f字符串。format_spec应该是Bio.SeqIO支持的小写字符串作为文本输出文件格式。请求二进制文件格式会引发ValueError。例如:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> record = SeqRecord(Seq("MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF"), ... id="YP_025292.1", name="HokC", ... description="toxic membrane protein") ... >>> format(record, "fasta") '>YP_025292.1 toxic membrane protein\nMKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF\n' >>> print(f"Here is {record.id} in FASTA format:\n{record:fasta}") Here is YP_025292.1 in FASTA format: >YP_025292.1 toxic membrane protein MKQHKAMIVALIVICITAVVAALVTRKDLCEVHIRTGQTEVAVF
另请参阅SeqRecord的format()方法。
- __len__()¶
返回序列的长度。
例如,使用Bio.SeqIO读入FASTA核苷酸文件:
>>> from Bio import SeqIO >>> record = SeqIO.read("Fasta/sweetpea.nu", "fasta") >>> len(record) 309 >>> len(record.seq) 309
- __lt__(other)¶
定义小于操作数(未实现)。
- __le___(other)¶
定义小于或等于操作数(未实现)。
- __eq__(other)¶
定义等于操作数(未实现)。
- __ne__(other)¶
定义不等于操作数(未实现)。
- __gt__(other)¶
定义大于操作数(未实现)。
- __ge__(other)¶
定义大于或等于操作数(未实现)。
- __bool__()¶
此类实例的布尔值(True)。
此行为是为了向后兼容,因为在 __len__ 方法时,SeqRecord的计算结果始终为True。
请注意,相比之下,如果序列长度为零,则Seq对象的计算结果将为false。
警告:当SeqRecord的序列长度为零时(为了更好地匹配Seq对象行为),将来SeqRecord的计算结果可能为FALSE!
- __add__(other)¶
向此序列添加另一个序列或字符串。
另一个序列可以是SeqRecord对象、Seq对象(或类似的,例如MutableSeq)或纯Python字符串。如果添加一个普通字符串或Seq(LIKE)对象,新的SeqRecord将简单地将其附加到现有数据。但是,每个字母的任何批注都将丢失:
>>> from Bio import SeqIO >>> record = SeqIO.read("Quality/solexa_faked.fastq", "fastq-solexa") >>> print("%s %s" % (record.id, record.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(record.letter_annotations)) ['solexa_quality']
>>> new = record + "ACT" >>> print("%s %s" % (new.id, new.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNNACT >>> print(list(new.letter_annotations)) []
新记录将尝试合并注释,但是对于任何歧义(例如,不同的名称),它默认省略该注释。
>>> from Bio import SeqIO >>> with open("GenBank/pBAD30.gb") as handle: ... plasmid = SeqIO.read(handle, "gb") >>> print("%s %i" % (plasmid.id, len(plasmid))) pBAD30 4923
现在,让我们将质粒分成两部分,然后以相反的方式将它们连接起来(即,移动该质粒上的起点,查看原始文件中带注释的特征,以了解为什么这个特定的分割点可能有意义):
>>> left = plasmid[:3765] >>> right = plasmid[3765:] >>> new = right + left >>> print("%s %i" % (new.id, len(new))) pBAD30 4923 >>> str(new.seq) == str(right.seq + left.seq) True >>> len(new.features) == len(left.features) + len(right.features) True
当我们添加左SeqRecord对象和右SeqRecord对象时,它们的注释都是一致的,因此都保留在新的SeqRecord中:
>>> new.id == left.id == right.id == plasmid.id True >>> new.name == left.name == right.name == plasmid.name True >>> new.description == plasmid.description True >>> new.annotations == left.annotations == right.annotations True >>> new.letter_annotations == plasmid.letter_annotations True >>> new.dbxrefs == left.dbxrefs == right.dbxrefs True
但是,我们应该指出,当我们对SeqRecord进行切片时,任何注释字典或dbxrefs列表条目都会丢失。您可以像这样显式复制它们:
>>> new.annotations = plasmid.annotations.copy() >>> new.dbxrefs = plasmid.dbxrefs[:]
- __radd__(other)¶
将另一个序列或字符串添加到此序列(从左侧开始)。
此方法处理将Seq对象(或类似对象,例如MutableSeq)或纯Python字符串(左侧)添加到SeqRecord(右侧)。请参阅 __add__ 方法获取更多详细信息,但例如:
>>> from Bio import SeqIO >>> record = SeqIO.read("Quality/solexa_faked.fastq", "fastq-solexa") >>> print("%s %s" % (record.id, record.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(record.letter_annotations)) ['solexa_quality']
>>> new = "ACT" + record >>> print("%s %s" % (new.id, new.seq)) slxa_0001_1_0001_01 ACTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(new.letter_annotations)) []
- upper()¶
返回具有大写顺序的记录副本。
所有注释都保持不变。例如:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> record = SeqRecord(Seq("acgtACGT"), id="Test", ... description = "Made up for this example") >>> record.letter_annotations["phred_quality"] = [1, 2, 3, 4, 5, 6, 7, 8] >>> print(record.upper().format("fastq")) @Test Made up for this example ACGTACGT + "#$%&'()
当然,有一个与之相匹配的较低的方法:
>>> print(record.lower().format("fastq")) @Test Made up for this example acgtacgt + "#$%&'()
- lower()¶
返回具有小写序列的记录副本。
所有注释都保持不变。例如:
>>> from Bio import SeqIO >>> record = SeqIO.read("Fasta/aster.pro", "fasta") >>> print(record.format("fasta")) >gi|3298468|dbj|BAA31520.1| SAMIPF GGHVNPAVTFGAFVGGNITLLRGIVYIIAQLLGSTVACLLLKFVTNDMAVGVFSLSAGVG VTNALVFEIVMTFGLVYTVYATAIDPKKGSLGTIAPIAIGFIVGANI >>> print(record.lower().format("fasta")) >gi|3298468|dbj|BAA31520.1| SAMIPF gghvnpavtfgafvggnitllrgivyiiaqllgstvaclllkfvtndmavgvfslsagvg vtnalvfeivmtfglvytvyataidpkkgslgtiapiaigfivgani
举一个注释更丰富的例子,
>>> from Bio import SeqIO >>> old = SeqIO.read("EMBL/TRBG361.embl", "embl") >>> len(old.features) 3 >>> new = old.lower() >>> len(old.features) == len(new.features) True >>> old.annotations["organism"] == new.annotations["organism"] True >>> old.dbxrefs == new.dbxrefs True
- reverse_complement(id=False, name=False, description=False, features=True, annotations=False, letter_annotations=True, dbxrefs=False)¶
使用反向补码序列返回新的SeqRecord。
默认情况下,新记录不保留序列标识符、名称、描述、常规注释或数据库交叉引用-这些不太可能应用于相反的序列。
您可以将返回记录的id、name和description指定为字符串,或者指定True以保留父记录的ID,或者指定False作为默认值。
您可以使用SeqFeature对象列表指定返回记录的特征,或指定True以保留父记录的特征,或指定False以忽略它们。默认情况下,保留原始特征(调整了链和位置)。
您还可以将返回记录的注释和Letter_Annotation指定为字典,如果指定为True,则保留父记录的注释;如果指定False,则忽略它们。默认情况下,保留原始注释(反转字母注释)。
要显示字母前面的注释发生了什么,请考虑一个示例Solexa变体FASTQ文件,它只有一个条目,我们将把它读入为SeqRecord:
>>> from Bio import SeqIO >>> record = SeqIO.read("Quality/solexa_faked.fastq", "fastq-solexa") >>> print("%s %s" % (record.id, record.seq)) slxa_0001_1_0001_01 ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTNNNNNN >>> print(list(record.letter_annotations)) ['solexa_quality'] >>> print(record.letter_annotations["solexa_quality"]) [40, 39, 38, 37, 36, 35, 34, 33, 32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18, 17, 16, 15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0, -1, -2, -3, -4, -5]
现在以相反的补码为例,这里我们显式地给出了一个新标识符(带后缀的旧标识符):
>>> rc_record = record.reverse_complement(id=record.id + "_rc") >>> print("%s %s" % (rc_record.id, rc_record.seq)) slxa_0001_1_0001_01_rc NNNNNNACGTACGTACGTACGTACGTACGTACGTACGTACGTACGT
请注意,每个字母的注释也被颠倒了,尽管这可能并不适用于所有情况。
>>> print(rc_record.letter_annotations["solexa_quality"]) [-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40]
现在,对于这些功能,我们需要一个不同的示例。解析GenBank文件可能是获得包含特性的优秀示例的最简单方法……
>>> from Bio import SeqIO >>> with open("GenBank/pBAD30.gb") as handle: ... plasmid = SeqIO.read(handle, "gb") >>> print("%s %i" % (plasmid.id, len(plasmid))) pBAD30 4923 >>> plasmid.seq Seq('GCTAGCGGAGTGTATACTGGCTTACTATGTTGGCACTGATGAGGGTGTCAGTGA...ATG') >>> len(plasmid.features) 13
现在,让我们取整个质粒的反向互补:
>>> rc_plasmid = plasmid.reverse_complement(id=plasmid.id+"_rc") >>> print("%s %i" % (rc_plasmid.id, len(rc_plasmid))) pBAD30_rc 4923 >>> rc_plasmid.seq Seq('CATGGGCAAATATTATACGCAAGGCGACAAGGTGCTGATGCCGCTGGCGATTCA...AGC') >>> len(rc_plasmid.features) 13
让我们比较第一个CDS特征-它已经从第二个特征(索引1)变为倒数第二个特征(索引-2),它的链发生了变化,位置也改变了。
>>> print(plasmid.features[1]) type: CDS location: [1081:1960](-) qualifiers: Key: label, Value: ['araC'] Key: note, Value: ['araC regulator of the arabinose BAD promoter'] Key: vntifkey, Value: ['4'] >>> print(rc_plasmid.features[-2]) type: CDS location: [2963:3842](+) qualifiers: Key: label, Value: ['araC'] Key: note, Value: ['araC regulator of the arabinose BAD promoter'] Key: vntifkey, Value: ['4']
您可以根据质粒的长度检查这个新位置:
>>> len(plasmid) - 1081 3842 >>> len(plasmid) - 1960 2963
注意,如果SeqFeature注释包括任何链特定信息(例如,SNP的碱基改变),则该信息不会被修改,并且需要在反向互补之后进行校正。
注意:尝试反向补充蛋白质时,SeqRecord会引发异常:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> protein_rec = SeqRecord(Seq("MAIVMGR"), id="Test", ... annotations={"molecule_type": "protein"}) >>> protein_rec.reverse_complement() Traceback (most recent call last): ... ValueError: Proteins do not have complements!
如果您的RNA没有任何U碱基,则必须将其注释为RNA,否则默认情况下它将被视为DNA,并将A映射到T:
>>> from Bio.Seq import Seq >>> from Bio.SeqRecord import SeqRecord >>> rna1 = SeqRecord(Seq("ACG"), id="Test") >>> rna2 = SeqRecord(Seq("ACG"), id="Test", annotations={"molecule_type": "RNA"}) >>> print(rna1.reverse_complement(id="RC", description="unk").format("fasta")) >RC unk CGT >>> print(rna2.reverse_complement(id="RC", description="RNA").format("fasta")) >RC RNA CGU
另请注意,您可以使用MutableSeq反向补充SeqRecord:
>>> from Bio.Seq import MutableSeq >>> from Bio.SeqRecord import SeqRecord >>> rec = SeqRecord(MutableSeq("ACGT"), id="Test") >>> rec.seq[0] = "T" >>> print("%s %s" % (rec.id, rec.seq)) Test TCGT >>> rc = rec.reverse_complement(id=True) >>> print("%s %s" % (rc.id, rc.seq)) Test ACGA
- __hash__ = None¶
- translate(table='Standard', stop_symbol='*', to_stop=False, cds=False, gap=None, id=False, name=False, description=False, features=False, annotations=False, letter_annotations=False, dbxrefs=False)¶
使用翻译后的序列返回新的SeqRecord。
这将调用记录的.seq.late()方法(该方法描述与翻译相关的参数,如遗传密码表),
默认情况下,新记录不保留序列标识符、名称、描述、一般注释或数据库交叉引用-这些不太可能应用于翻译后的序列。
您可以将返回记录的id、name和description指定为字符串,或者指定True以保留父记录的ID,或者指定False作为默认值。
您可以使用SeqFeature对象列表指定返回记录的特征,或指定False(默认值)以忽略它们。
您还可以将返回记录的注释和Letter_Annotation都指定为字典,如果指定为True,则保留父记录的注释(仅注释);如果指定False(默认),则忽略它们。
例如加载FASTA基因并翻译它,
>>> from Bio import SeqIO >>> gene_record = SeqIO.read("Fasta/sweetpea.nu", "fasta") >>> print(gene_record.format("fasta")) >gi|3176602|gb|U78617.1|LOU78617 Lathyrus odoratus phytochrome A (PHYA) gene, partial cds CAGGCTGCGCGGTTTCTATTTATGAAGAACAAGGTCCGTATGATAGTTGATTGTCATGCA AAACATGTGAAGGTTCTTCAAGACGAAAAACTCCCATTTGATTTGACTCTGTGCGGTTCG ACCTTAAGAGCTCCACATAGTTGCCATTTGCAGTACATGGCTAACATGGATTCAATTGCT TCATTGGTTATGGCAGTGGTCGTCAATGACAGCGATGAAGATGGAGATAGCCGTGACGCA GTTCTACCACAAAAGAAAAAGAGACTTTGGGGTTTGGTAGTTTGTCATAACACTACTCCG AGGTTTGTT
现在转换记录,指定新的ID和描述:
>>> protein_record = gene_record.translate(table=11, ... id="phya", ... description="translation") >>> print(protein_record.format("fasta")) >phya translation QAARFLFMKNKVRMIVDCHAKHVKVLQDEKLPFDLTLCGSTLRAPHSCHLQYMANMDSIA SLVMAVVVNDSDEDGDSRDAVLPQKKKRLWGLVVCHNTTPRFV