Introductie tot Biostrings

Introductie tot Bioconductor in R

James Chapman

Curriculum Manager, DataCamp

Biostrings

Algoritmen voor snelle bewerking van sequenties
Veel Bioconductor-pakketten zijn afhankelijk van Biostrings

BiocManager::install("Biostrings")

Biologische string-containers

Biostrings → Geheugenefficiënt voor opslag en bewerking van tekenreeksen
Containers die geërfd kunnen worden

Bijvoorbeeld:

De BString-klasse komt van big string

Strings vs. Sets

XString om één enkele sequentie op te slaan
- BString voor elke string
- DNAString voor DNA
- RNAString voor RNA
- AAString voor aminozuren

XStringSet voor veel sequenties
- BStringSet
- DNAStringSet
- RNAStringSet
- AAStringSet

showClass()

showClass("XString")

Virtual Class "XString" [package "Biostrings"]

Slots:

Name:             shared            offset            length   elementMetadata          metadata
Class:         SharedRaw           integer           integer DataFrame_OR_NULL              list

Extends: 
Class "XRaw", directly
Class "XVector", by class "XRaw", distance 2
Class "Vector", by class "XRaw", distance 3
Class "Annotated", by class "XRaw", distance 4
Class "vector_OR_Vector", by class "XRaw", distance 4

Known Subclasses: "BString", "DNAString", "RNAString", "AAString"

Biostring-alfabetten

DNA_BASES # 4 DNA-basen

RNA_BASES # 4 RNA-basen

"A" "C" "G" "T"

"A" "C" "G" "U"

AA_STANDARD # 20 aminozuren

"A" "R" "N" "D" "C" "Q" "E" "G" "H" "I" "L" "K" "M" "F" "P" "S" "T" "W" "Y" "V"

DNA_ALPHABET # bevat IUPAC_CODE_MAP 
RNA_ALPHABET # bevat IUPAC_CODE_MAP 
AA_ALPHABET  # bevat AMINO_ACID_CODE

¹ Voor meer info over IUPAC DNA-codes http://genome.ucsc.edu/goldenPath/help/iupac.html

transcriptie en translatie

Transcriptie DNA naar RNA

# DNA enkele string
dna_seq <- DNAString("ATGATCTCGTAA")
dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# Transcriptie DNA naar RNA-string
rna_seq <- RNAString(dna_seq)
rna_seq

12-letter RNAString object
seq: AUGAUCUCGUAA

Translatie RNA naar aminozuren

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

# Translatie RNA naar AA
aa_seq <- translate(rna_seq)
aa_seq

Drie RNA-basen vormen één AA: AUG = M, AUC = I, UCG = S, UAA = *

4-letter AAString object
seq: MIS*

Snelkoppeling: DNA naar aminozuren met translate()

dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# translate() gaat ook direct van DNA naar AA
translate(dna_seq)

4-letter AAString object
seq: MIS*

Het Zikavirus

Zikavirus

Zika-symptomen

Laten we oefenen met het Zikavirus!

Introductie tot Bioconductor in R