Biopython – Entrada/salida de secuencia

Biopython tiene un módulo Bio.SeqIO incorporado que proporciona funcionalidades para leer y escribir secuencias desde o hacia un archivo, respectivamente. Bio.SeqIO admite casi todos los formatos de manejo de archivos utilizados en bioinformática. Biopython sigue estrictamente el enfoque único para representar la secuencia de datos analizados al usuario con el objeto SeqRecord .

SeqRecord

El objeto SeqRecord proporcionado por el módulo Bio.SeqRecord contiene los metadatos de la secuencia, así como la información sobre la secuencia. Algunos datos principales se enumeran a continuación:

Secuencia de lectura:

El módulo Biopython Seq tiene un método read() integrado que toma un archivo de secuencia y lo convierte en un solo SeqRecord de acuerdo con el formato del archivo. Es capaz de analizar archivos de secuencia que tienen exactamente un registro, si el archivo no tiene registros o tiene más de un registro, se genera una excepción. La sintaxis y los argumentos del método read() se dan a continuación:

Bio.SeqIO.read(handle, format, alphabet=None)

# Import libraries
from Bio import SeqIO
  
# Reading file
record = SeqIO.read("sequence.gb", "genbank")
  
# Showing records
print("ID: %s" % record.id)
print("Sequence length: %i" % len(record))
print("Sequence description: %s" % record.description)

Producción:

Secuencia de alabanza:

El método Parse() proporcionado por el módulo Bio.Seq se usa cuando tenemos que leer varios registros del identificador. Básicamente, convierte el archivo de secuencia en un iterador que devuelve SeqRecords . Si el archivo contiene datos de string, debe convertirse a handle para analizarlo. Los formatos de archivo en los que no se puede determinar el alfabeto, es útil especificar el alfabeto explícitamente (por ejemplo, FASTA). La sintaxis y los argumentos del método parse() se dan a continuación:

Bio.SeqIO.parse(handle, format, alphabet=None)

# Import libraries
from Bio import SeqIO
  
# Parsing file
filename = "sequence.fasta"
for record in SeqIO.parse(filename, "fasta"):
  
    # Showing records
    print("ID: %s" % record.id)
    print("Sequence length: %i" % len(record))
    print("Sequence description: %s" % record.description)

Producción :

Escribir en secuencia:

Para escribir en el archivo, el módulo Bio.Seq tiene un método write() , que escribe el conjunto de secuencias en el archivo y devuelve un número entero que representa el número de registros escritos. Asegúrese de cerrar el identificador después de llamar al identificador, de lo contrario, los datos se descargarán en el disco. La sintaxis y los argumentos del método write() se dan a continuación:

Bio.SeqIO.write(sequences, handle, format)

Nota: Para descargar archivos haga clic aquí

# Import libraries
from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord
  
rec1 = SeqRecord(Seq("MMYQQGCFAGGTVLRLAKDLAENNRGARVLVVCSEITAVTFRGPSETHLDSMVGQALFGD"
                     + "GAGAVIVGSDPDLSVERPLYELVWTGATLLPDSEGAIDGHLREVGLTFHLLKDVPGLISK"
                     + "NIEKSLKEAFTPLGISDWNSTFWIAHPGGPAILDQVEAKLGLKEEKMRATREVLSEYGNM"),
                 id="gi|14150838|gb|AAK54648.1|AF376133_1",
                 description="chalcone synthase [Cucumis sativus]")
  
rec2 = SeqRecord(Seq("MVTVEEFRRAQCAEGPATVMAIGTATPSNCVDQSTYPDYYFRITNSEHKVELKEKFKRMC"
                     + "EKSMIKKRYMHLTEEILKENPNICAYMAPSLDARQDIVVVEVPKLGKEAAQKAIKEWGQP"
                     + "KSKITHLVFCTTSGVDMPGCDYQLTKLLGLRPSVKRFMMYQQGCFAGGTVLRMAKDLAEN"
                     + "NKGARVLVVCSEITAVTFRGPNDTHLDSLVGQALFGDGAAAVIIGSDPIPEVERPLFELV"
                     + "SAAQTLLPDSEGAIDGHLREVGLTFHLLKDVPGLISKNIEKSLVEAFQPLGISDWNSLFW"
                     + "IAHPGGPAILDQVELKLGLKQEKLKATRKVLSNYGNMSSACVLFILDEMRKASAKEGLGT"
                     + "TGEGLEWGVLFGFGPGLTVETVVLHSVAT"),
                 id="gi|13925890|gb|AAK49457.1|",
                 description="chalcone synthase [Nicotiana tabacum]")
sequences = [rec1, rec2]
  
# Writing to file
with open("example.fasta", "w") as output_handle:
    SeqIO.write(sequences, output_handle, "fasta")
  
for record in SeqIO.parse("example.fasta", "fasta"):
    print("ID %s" % record.id)
    print("Sequence length %i" % len(record))

Producción: