Sequentieverwerking

Introductie tot Bioconductor in R

James Chapman

Curriculum Manager, DataCamp

Single vs. Set

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

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

Maak een StringSet en voeg samen

# Lees de sequentie als een set
zikaVirus <- readDNAStringSet("data/zika.fa")

length(zikaVirus)  # de set bevat maar één sequentie
width(zikaVirus)   # en breedte 10794 basen

1
10794

# Voeg de sequentie samen
zikaVirus_seq <- unlist(zikaVirus)


length(zikaVirus_seq)

width(zikaVirus_seq)

10794

Error in (function (classes, fdef, mtable)  : 
  unable to find an inherited method for function 'width' for signature '"DNAString"'

Van één sequentie naar een set

# maak een nieuwe set van één sequentie
zikaSet <- DNAStringSet(zikaVirus_seq, start = c(1, 101, 201), end = c(100, 200, 300))
zikaSet

DNAStringSet-object met lengte 3:
    width seq
[1]   100 AGTTGTTGATCTGTGTGAGTCAGACTGCGACAGTTCGAGTCTGAAG...AACAACAGTATCAACAGGTTTAATTTGGATTTGGAAACGAGAGTTT
[2]   100 CTGGTCATGAAAAACCCCAAAGAAGAAATCCGGAGGATCCGGATTG...CTAAAACGCGGAGTAGCCCGTGTAAACCCCTTGGGAGGTTTGAAGA
[3]   100 GGTTGCCAGCCGGACTTCTGCTGGGTCATGGACCCATCAGAATGGT...TACTAGCCTTTTTGAGATTTACAGCAATCAAGCCATCACTGGGCCT

length(zikaSet) 
width(zikaSet)

3
100 100 100

Complement-sequentie

ATGATCTCGTAA

a_seq <- DNAString("ATGATCTCGTAA")
a_seq

12-letter DNAString object
seq: ATGATCTCGTAA

complement(a_seq)

12-letter DNAString object
seq: TACTAGAGCATT

Sequentie omkeren (rev)

zikaShortSet

DNAStringSet-instantie met lengte 2
width seq                          names      
[1]    18 AGTTGTTGATCTGTGTGA        seq1
[2]    18 CTGGTCATGAAAAACCCC        seq2

rev(zikaShortSet)

 Een DNAStringSet-instantie met lengte 2
width seq                          names      
[1]    18 CTGGTCATGAAAAACCCC        seq2       
[2]    18 AGTTGTTGATCTGTGTGA        seq1

Sequentie omkeren (reverse)

zikaShortSet

 Een DNAStringSet-instantie met lengte 2
width seq                          names      
[1]    18 AGTTGTTGATCTGTGTGA        seq1
[2]    18 CTGGTCATGAAAAACCCC        seq2

reverse(zikaShortSet)

 Een DNAStringSet-instantie met lengte 2
width seq                          names    
[1]    18 AGTGTGTCTAGTTGTTGA        seq1
[2]    18 CCCCAAAAAGTACTGGTC        seq2

Reverse complement

# Oorspronkelijke rna_seq-sequentie
8-letter RNAString object
seq: AGUUGUUG

reverseComplement(rna_seq)

8-letter RNAString object
seq: CAACAACU

# Twee functies combineren
reverse(complement(rna_seq))

8-letter RNAString object
seq: CAACAACU

unlist length width complement rev reverse everseComplement

Laten we sequenties verwerken oefenen!

Introductie tot Bioconductor in R