Biostrings ① 概述和一些小白操作

高效操作生物序列 (biological strings)

Pagès H, Aboyoun P, Gentleman R, DebRoy S (2019). Biostrings: Efficient manipulation of biological strings. R package version 2.52.0.

DOI: 10.18129/B9.bioc.Biostrings

1. 关于 Biostring

Biostrings 包含了很多 类 (class)函数 (function),用于表示/呈现生物序列,如DNA, RNA, 氨基酸。同时 Biostrings 还具有模式匹配 (pattern-matching)成对序列比对 (pairwise alignment) 功能,以及读取和输出 FASTA 等格式文件的函数。

2. The Xstring class

The XString is in fact a virtual class and therefore cannot be instanciated.

The XString class allows us to create, store, and work with different types of strings. We are only allowed to work with subclasses of XString: BString, DNAString, RNAString, and AAString.

2.1 创建一个对象

2.1.1 XString

library(Biostrings)
dna1 <- DNAString("ACG-N")
dna1
#   5-letter "DNAString" instance
# seq: ACG-N

2.2.2 XStringSet

试错:如果输入 "ATCG (IUPAC codes) " 以外的字母:

DNAStringSet("ADE")
# Error in .Call2("new_XString_from_CHARACTER", class(x0), string, start,  : 
#   key 69 (char 'E') not in lookup table
AAStringSet("ADE")
#   A AAStringSet instance of length 1
#     width seq
# [1]     3 ADE

建立一个有3条序列的对象:

dna2 <- DNAStringSet(c("ACGT", "GTCA", "GCTA"))
dna2
#   A DNAStringSet instance of length 3
#     width seq
# [1]     4 ACGT
# [2]     4 GTCA
# [3]     4 GCTA

2.2.3 IUPAC codes

DNAString 的字母表实际不止 "ATCG" 。"N" 作为插入 (insertion) , "M" 可以代表 "A" 或 "C"。

IUPAC_CODE_MAP
#      A      C      G      T      M      R      W      S 
#    "A"    "C"    "G"    "T"   "AC"   "AG"   "AT"   "CG" 
#      Y      K      V      H      D      B      N 
#   "CT"   "GT"  "ACG"  "ACT"  "AGT"  "CGT" "ACGT" 

2.2.4 [

dna1[1:3]
#   3-letter "DNAString" instance
# seq: ACG

dna2[2:3]
#   A DNAStringSet instance of length 2
#     width seq
# [1]     4 GTCA
# [2]     4 GCTA

2.2.5 [[

dna2[[1]]
#   4-letter "DNAString" instance
# seq: ACGT

2.2.6 给序列命名

names(dna2) <- paste0("seq", 1:3)
dna2
#   A DNAStringSet instance of length 3
#     width seq                           names               
# [1]     4 ACGT                          seq1
# [2]     4 GTCA                          seq2
# [3]     4 GCTA                          seq3

2.2.7 全部的 string classes

  • DNAString[Set]: DNA sequences.
  • RNAString[Set]: RNA sequences.
  • AAString[Set]: Amino Acids sequences (protein).
  • BString[Set]: “Big” sequences, using any kind of letter.

3. 基本功能&生物学功能

3.1 基本功能

  • length, names.
  • c and rev (reverse the sequence).
  • width, nchar (number of characters in each sequence).
  • ==, duplicated, unique.
  • as.charcater or toString: converts to a base character() vector.
  • sort, order.
  • chartr: convert some letters into other letters.
  • subseq, subseq<-, extractAt, replaceAt.
  • replaceLetterAt.
rev(dna1)
#   5-letter "DNAString" instance
# seq: N-GCA
rev(dna2)
#   A DNAStringSet instance of length 3
#     width seq                           names               
# [1]     4 GCTA                          seq3
# [2]     4 GTCA                          seq2
# [3]     4 ACGT                          seq1
chartr("N","T",dna1)
#   5-letter "DNAString" instance
# seq: ACG-T

3.2 生物学功能

  • reverse: reverse the sequence.
  • complement, reverseComplement: (reverse) complement the sequence.
  • translate: translate the DNA or RNA sequence into amino acids
translate(dna2)
#   A AAStringSet instance of length 3
#     width seq                           names               
# [1]     1 T                             seq1
# [2]     1 V                             seq2
# [3]     1 A                             seq3
dna3 <- DNAString("ATGCAGTCGMTCD")
complement(dna3)
#   13-letter "DNAString" instance
# seq: TACGTCAGCKAGH
reverseComplement(dna3)
#   13-letter "DNAString" instance
# seq: HGAKCGACTGCAT

4. 对序列计数

包内有一系列函数可以求出 序列内的GC含量、序列内核苷酸的频率、已比对序列的位置权重矩阵

  • alphabetFrequency, letterFrequency: Compute the frequency of all characters (alphabetFrequency) or only specific letters (letterFrequency).
  • dinucleotideFrequency, trinucleotideFrequency, oligonucleotideFrequeny: compute frequencies of dinucleotides (2 bases), trinucleotides (3 bases) and oligonucleotides (general number of bases).
  • letterFrequencyInSlidingView: letter frequencies, but in sliding views along the string.
  • consensusMatrix: consensus matrix; almost a position weight matrix.
alphabetFrequency(dna1)
# A C G T M R W S Y K V H D B N - + . 
# 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 
alphabetFrequency(dna2)
#      A C G T M R W S Y K V H D B N - + .
# [1,] 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
# [2,] 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
# [3,] 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
letterFrequency(dna2, "GC")
#      G|C
# [1,]   2
# [2,]   2
# [3,]   2
consensusMatrix(dna2,as.prob = TRUE) 
## If TRUE then probabilities are reported, otherwise counts (the default)
#        [,1]      [,2]      [,3]      [,4]
# A 0.3333333 0.0000000 0.0000000 0.6666667
# C 0.0000000 0.6666667 0.3333333 0.0000000
# G 0.6666667 0.0000000 0.3333333 0.0000000
# T 0.0000000 0.3333333 0.3333333 0.3333333
# M 0.0000000 0.0000000 0.0000000 0.0000000
# R 0.0000000 0.0000000 0.0000000 0.0000000
# W 0.0000000 0.0000000 0.0000000 0.0000000
# S 0.0000000 0.0000000 0.0000000 0.0000000
# Y 0.0000000 0.0000000 0.0000000 0.0000000
# K 0.0000000 0.0000000 0.0000000 0.0000000
# V 0.0000000 0.0000000 0.0000000 0.0000000
# H 0.0000000 0.0000000 0.0000000 0.0000000
# D 0.0000000 0.0000000 0.0000000 0.0000000
# B 0.0000000 0.0000000 0.0000000 0.0000000
# N 0.0000000 0.0000000 0.0000000 0.0000000
# - 0.0000000 0.0000000 0.0000000 0.0000000
# + 0.0000000 0.0000000 0.0000000 0.0000000
# . 0.0000000 0.0000000 0.0000000 0.0000000

References


最后,向大家隆重推荐生信技能树的一系列干货!

  1. 生信技能树全球公益巡讲:https://mp.weixin.qq.com/s/E9ykuIbc-2Ja9HOY0bn_6g
  2. B站公益74小时生信工程师教学视频合辑:https://mp.weixin.qq.com/s/IyFK7l_WBAiUgqQi8O7Hxw
  3. 招学徒:https://mp.weixin.qq.com/s/KgbilzXnFjbKKunuw7NVfw
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,588评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,456评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,146评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,387评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,481评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,510评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,522评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,296评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,745评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,039评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,202评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,901评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,538评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,165评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,415评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,081评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,085评论 2 352

推荐阅读更多精彩内容