使用Bioperl模块作数据分析

1、使用Bioperl模块作数据分析 王庭璋Outline Perl和Bioperl简介 基本概念 序列处理 比对处理Outline Perl和Bioperl简介+为什么选择perl +perl的安装+perl脚本的编辑运行+bioperl简介 +bioperl的安装 基本概念 序列处理 比对处理为什么选择perl 脚本语言（Script language） 操作系统的功能：读写文件，移动文件 图形化界面和命令行界面：一次只能执行一个操作 脚本语言将多个操作封装成一次操作 很容易学习 开源代码 已有大量模块，提高效率 擅长于文本处理 强大的字符串处理功能，基因组序列、蛋白质序列均采用字符串编码 减

2、少人为错误 功能强大Perl的安装 安装文件下载 http:/ 脚本名称，再按回车键Perl环境已经配置好，接下来再了解一下bioperlBioperl简介 Perl中的模块中的模块 关于生物数据处理 开源，拥有很多代码贡献者开源，拥有很多代码贡献者 不必花费时间重复别人的工作 具有可扩展性具有可扩展性 根据自己的需要扩展现存方法 参考网站参考网站 / 参考文献参考文献 Stajich et al. (2002) Genome ResBioperl的安装启动Perl Package Manager(ppm)Bioperl的安装名称perl 5.8perl 5.

3、10BioPerl-Regular Releases/DIST/DISTBioPerl-Release Candidates /DIST/RC/DIST/RCKobeshttp:/theoryx5.uwinnipeg.ca/ppmshttp:/cpan.uwinnipeg.ca/PPMPackages/10 xx/Bribeshttp:/www.B/perl/ppmhttp:/www.B/perl/ppmTrouchelle

4、http:/ 无Windows下，安装bioperl所需要的代码仓库：如何将这些仓库地址导入ppm？点击Edit-Preference菜单，启动仓库地址添加界面：4:结束，返回主界面，进行安装3:输入仓库信息2:进入仓库(Repositories)界面1:进入首选项(Preference)Bioperl的安装点击Repositories标签1:输入仓库名称：BioPerl-Regular Releases2:输入仓库地址：/DIST3:点击Add按钮4:按13，依次添加完所有仓库仓库添加完后，点击OK，返回PPM的主界面添加仓库信息：Bioperl的安装1:查

5、询框中输入bioperl2:标记要安装的bioperl包3:点击安装按钮进行安装4:确认安装5:等待安装完成安装按钮已经完成perl和bioperl的环境设置Outline Perl和Bioperl简介+为什么选择perl +perl的安装+perl脚本的编辑运行+bioperl简介 +bioperl的安装 基本概念 序列处理 比对处理Outline Perl和Bioperl简介 基本概念+对象、模块和实例 +模块与模块之间的关系+模块的构成 +模块中的方法+操作符 +结构控制语句+如何使用perl/bioperl 序列处理 比对处理对象、模块（类）和实例对象：对象是我们要进行研究的任何事物，

6、例如生活中我们碰到的各种交通工具：汽车、轮船、飞机等。而在今天的bioperl中，我们将要学习的对象有：序列、多序列比对等对象、模块（类）和实例模块（类）：一个模块(类)是对一个对象（或者一类对象）的描述，例如：对汽车的描述：车牌号，行驶在公路上的交通工具 对序列的描述：序列名称、序列类型（DNA、RNA或者蛋白质）模块实例（对象实例）：一个个具体对象，叫做实例，比如说：车牌号为“京2009”便是汽车的一个实例。而水稻叶绿体基因组序列，则是序列的一个具体实例。模块与模块之间的关系在分类学上的对象之间存在一些包含关系：例如：汽车，可以包含小汽车、公共汽车、货车等序列文件格式有fasta，genb

7、ank，embl等。模块与模块之间的关系：所有的小汽车模块、公共汽车模块和货车模块都具有汽车模块的描述，以及各自独有的描述。汽车小汽车父模块公共汽车货车SeqIOfastagenbankembl子模块模块是对“对象”的一种描述学习bioperl，重点是了解其中的模块模块的构成模块是对“对象”的描述，这里的描述分为两部分：属性（静态），方法（行为特征，动态）以汽车为例：属性特征有车牌号、车子的颜色等行为特征有启动车子、刹车等以序列文件读写为例：属性特征有文件名、文件格式等行为特征有读一条序列、写一条序列模块：属性部分：属性1，属性2，属性3方法部分：方法1，方法2，方法3如何使用一个模块？模块中

8、的方法与模块进行交互：在bioperl中，一般通过模块中的方法与模块进行交互！模块 方法1参数11 参数1n返回结果1方法2参数21 参数2n返回结果2方法.返回结果重点：是否已经存在有关模块？是否有合适的方法？返回值=模块-方法n(参数n1，参数n2，.)操作符$，后跟字符，表示一个变量。$var，后跟字符，表示一个数组变量。arr$arr0, $arr1, $arr2, $arri., 取用数组里第i个位置的值。 ，后跟变量，表示将变量中存储的地址中的内容当做数组对待。$arr_ref%，后跟字符，表示一个哈希表变量，%hash;$hash$key，取用哈希表(hash)里“键名”为$ke

9、y的键值。%后跟变量，表示把变量中存储的地址中的内容当做哈希表对待。%$hash_refarr%hash$var102key3key2key1操作符=，变量赋值，即把“=”右边的内容赋给“=”左边的变量。赋值可以简单地理解为把内容（值）放到某个盒子（变量）里。$var=5; $var=“I am a string”;$var$var=5;盒子里是什么，不清楚$var盒子里装的内容是“5”BioSeqIO:，取子模块，“:”左边为父模块，“:”右边为子模块。use Bio:SeqIO;操作符-，取用模块里的方法，“-”左边为模块或者模块的实例，“-”右边为模块里的方法。$in=Bio:SeqIO

10、-new(-file=”$inputFile”, -format=fasta); $in-next_seq();=，用法多样，当在方法的()中的时候，其表示赋值，即把“=”右边的值赋给左边的参数。当方法没有参数的时候，可以不写()。 $in-next_seq;SeqIO newfile format返回结果1Next_seq返回结果2结构控制语句while循环：while(条件) 当满足()中的条件时， 反复执行这里的内容 当不满足()中的条件时， 反复执行这里的内容Foreach循环:foreach my $element (array)#依次把数组array中的内容转放到变量element

11、中 当element中有真实内容的时候，执行这里的内容 if条件语句:If(条件) 符合条件时的执行内容else 不符合条件时的执行内容如何使用perl/bioperl1.明确问题2.寻找已经存在的代码3.确定自己的解决方案4.编写代码 用操作符组合变量和数据 结构控制相关语句 修改 -调试 -修改5.运行程序Outline Perl和Bioperl简介 基本概念+对象、模块和实例 +模块与模块之间的关系+模块的构成 +模块中的方法+操作符 +结构控制语句+如何使用perl/bioperl 序列处理 比对处理Outline Perl和Bioperl简介 基本概念 序列处理 +序列格式介绍 +序

12、列文件格式的转换 +DNA序列的翻译 +序列长度的计算 +序列特征的提取 +序列特征的图形化显示 +序列的远程获取 +序列处理管道设计 比对处理序列格式介绍文件格式：fasta序列名称（ID）序列描述序列本身序列格式介绍文件格式：genbankgenbank格式fasta格式序列格式介绍文件格式：emblfasta格式embl格式序列文件格式的转换1，提出问题：如何进行文件格式的转换?（实例1）fasta格式genbank格式embl格式序列文件格式的转换2，是否已经相关代码？ Bioperl中SeqIO模块，封装了序列有关的文件读写通过use Bio:SeqIO;语句告诉程序要使用SeqIO

13、模块方法参数返回值作用new序列文件、序列格式SeqIO模块实例产生一个与文件关联的变量next_seq无序列（Seq模块实例）从文件中读取序列，但每次只读一条write_seq序列（Seq模块实例）成功返回1，否则0往文件写一条序列3，解决方案：3.1 利用SeqIO模块中的new方法产生一个读实例3.2 利用SeqIO模块中的new方法产生一个写实例3.3 从读实例中取序列3.4 通过写实例往文件存入序列3.5 反复操作3.3和3.4，直到读实例中无序列可取序列文件格式的转换序列文件格式的转换4，编写代码$in和$out均为SeqIO模块的实例$seq为Seq模块的实例序列文件格式的转换5

14、，运行代码：首先要准备好待转换的序列文件将上述代码保存到文件ex001.pl在命令行上，进入工作目录在命令行上，键入命令perl ex001.pl查看结果序列文件格式的转换1.明确问题-将某个序列文件的格式改成其它格式2.寻找已经存在的代码-Bio:SeqIO模块3.确定解决方案-分别产生一个读实例和一个写实例-读实例不断地读取序列到内存-同时写实例不断地把内存中的序列写到文件4.编写代码-关键变量$in, $out, $seq-while-修改 -调试 -修改5.运行程序DNA序列的翻译问题2：DNA序列的翻译？.64密码子20氨基酸+终止信号DNA序列的翻译$seq和$prot两个均为Se

15、q模块实例2，已存在的代码；3，解决方案；4：代码编写DNA序列的翻译5，运行代码后，结果展示如下：序列的统计信息：长度分布提出问题:如何统计每条序列的长度？（实例3）序列长度的计算2，已存在的代码；3，解决方案；4代码编写：$seq为Seq模块实例序列长度的计算5，运行代码 后的结果展示：借助于其它程序，比如perl，Excel可以获得下图Seq模块总结告诉程序要使用Seq模块？（即如何产生Seq模块实例？）1，直接使用“use Bio:Seq;”语句；2，通过SeqIO模块中的next_seq方法；3，或者有关模块中的有关方法方法参数返回值new序列名称（id）、序列本身（一段字符串）Se

16、q模块实例id无，或者序列的新名称序列名称desc无，或者序列的新描述序列描述Length无序列长度seq无，或者Seq模块实例的新序列序列（用一串字符表示）subseq起始位点，终止位点子序列（一串字符）alphabetDNA，或者RNA，或者protein序列类型Revcom反向互补序列(Seq模块实例)translate终止符的表示，frame，密码子表.(大多数情况下采用默认值)翻译后的蛋白质序列(可以认为是Seq模块实例)get_SeqFeatures无一系列的SeqFeatureI模块实例序列特征表问题4：如何解析genbank文件？序列的特征注释，比序列本身更容易看出生物学信息序

17、列特征表（Feature table）序列特征表（Feature table）genbank文件的内容序列特征主标签（primary_tag）特征起始位置（start）特征终止位置（end）特征所在的链（strand）标签（tag）标签值（tag value）序列特征表的获取1，提出问题：如何获取genbank文件中的序列特征表？（实例4）genbank中的序列特征序列特征列表？序列特征表的获取2，已存在代码；3，解决方案；4代码编写：SeqFeatureI模块的主要方法均在本例中用到$feature均为SeqFeatureI模块实例;features为一系列SeqFeatureI模块实例的集

18、合，包含了序列中所有序列特征序列特征表的获取5，运行代码；结果展示 ：1，提出问题：如何图形化显示序列特征?（实例5）图形化显示序列特征2，已存在代码；3，解决方案；4：代码编写：$panel为画板模块的实例;$full_length为SeqFeature模块的实例；5，运行代码；结果同前一张ppt序列的远程获取实例6：从公共数据库（GenBank）获取序列？$out是SeqIO模块的一个实例$gb是DB:GenBank模块的一个实例DB:GenBank模块中的主要方法为：get_Seq_by_acc，参数为Accession Numberget_Seq_by_gi，参数为GI Number这

19、两个方法都返回Seq模块的实例序列的远程获取实例6：从公共数据库（GenBank）获取序列的结果展示分析管道1：水稻叶绿体基因组 从远程数据库获取序列 序列特征表的表格化显示 序列特征表的图形化显示 全部CDS核苷酸序列的提取 全部CDS蛋白质序列的获取 蛋白质序列长度分析已知条件：水稻叶绿体基因组的NCBI登录号（Accession Number:NC_001320）后续分析：水稻叶绿体蛋白质组的分析.Outline Perl和Bioperl简介 基本概念 序列处理 +序列格式介绍 +序列文件格式的转换 +DNA序列的翻译 +序列长度的计算 +序列特征的提取 +序列特征的图形化显示 +序列的

20、远程获取 +序列处理管道设计 比对处理Outline Perl和Bioperl简介 基本概念 序列处理 比对处理+比对文件格式的转换+进化距离的计算+同义替换率(D_s)和非同义替换率(D_n)的计算+序列联配的自动化进行+比对处理的管道设计多序列比对文件格式Clustalw 格式的序列比对（联配）Phylip格式的序列比对某些软件对比对文件的格式有要求！例如，phylip软件包就要使用phylip格式的比对文件序列比对文件格式转换$in是AlignIO模块的一个实例，负责输入$out是AlignIO模块的一个实例，负责输出$aln是AlignI模块的一个实例，储存序列比对的信息实例7：多序列

21、比对文件格式转换AlignIO和SeqIO模块很相似AlignIO模块的主要方法：new, 产生一个AlignIO模块实例，参数为文件名称和格式；next_aln,顺序地读取一个比对到Align模块实例中，无参数；write_aln,向文件写入比对，参数为Align模块实例。AlignI模块的主要方法？序列比对模块AlignI模块的介绍：如何获取AlignI模块的实例？通过AlignIO模块实例从文件中读取。方法名称参数返回值new比对文件和格式AlignIO模块实例length无比对的长度num_sequences无参与比对的序列数目consensus_string阈值(01)，默认为0一致

22、性序列（字符串表示）consensus_iupac无获取IUPAC模糊字符表示的一致性序列column_from_residue_number序列名称，序列中的位点序列中某个位点在多序列比对中的位置each_seq无获得一系列Seq模块实例，分别对应着比对中的每个序列序列比对完成之后，接下来该做什么？进化距离进化距离计算实例8：计算比对序列JukesCantor距离$in为AlignIO模块的一个实例，负责读入比对；$stats为Align:DNAStatistics模块的一个实例，负责对多序列比对进行统计分析；$matrix为一矩阵模块实例，它以矩阵的形式保存序列之间的进化距离JukesCa

23、ntor距离计算结果展示：同义和非同义替换率计算实例9：计算同义替换率和非同义替换率calc_all_KaKs_pairs方法计算所有两两序列对之间同义和非同义替换距离，参数为一个AlignI模块实例，返回的是一系列的比对结果，存放于数组results中。每个比对结果存放于一个哈希（Hash）表中。$results为数组地址，要获得该地址的数组使用$results$key为哈希表的地址，要获得其中某个键的值，使用$key-键DNAStatistics方法总结Align:DNAStatistics中的主要方法：方法参数返回值new无DNAStatistics模块实例D_JukesCantorAlignI模块实例距离矩阵实例D_KimuraAlignI模块实例距离矩阵实例D_UncorrectedAlignI模块实例距离矩阵实例TransversionsAlignI模块实例两序列间的颠换TransitionsAlignI模块实例两序