Biostrings 简介

R 中的 Bioconductor 入门

James Chapman

Curriculum Manager, DataCamp

Biostrings

  • 用于序列的快速操作算法
  • 许多 Bioconductor 包依赖 Biostrings
BiocManager::install("Biostrings")
R 中的 Bioconductor 入门

生物字符串容器

  • Biostrings → 内存高效地存储与操作字符序列
  • 可被继承的容器

例如：

  • BString 类来源于"big string"
R 中的 Bioconductor 入门

Strings 与 Sets

 

  • XString：存储单条序列
    • BString：任意字符串
    • DNAString：DNA
    • RNAString：RNA
    • AAString：氨基酸

 

  • XStringSet：存储多条序列
    • BStringSet
    • DNAStringSet
    • RNAStringSet
    • AAStringSet
R 中的 Bioconductor 入门

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"
R 中的 Bioconductor 入门

Biostring 字母表

DNA_BASES # 4 个 DNA 碱基

RNA_BASES # 4 个 RNA 碱基

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

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

AA_STANDARD # 20 种氨基酸

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

DNA_ALPHABET # 含 IUPAC_CODE_MAP 
RNA_ALPHABET # 含 IUPAC_CODE_MAP 
AA_ALPHABET  # 含 AMINO_ACID_CODE
1 更多 IUPAC DNA 代码信息 http://genome.ucsc.edu/goldenPath/help/iupac.html
R 中的 Bioconductor 入门

转录与翻译

R 中的 Bioconductor 入门

DNA 转录为 RNA

# DNA 单条序列
dna_seq <- DNAString("ATGATCTCGTAA")
dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# 将 DNA 转录为 RNA 字符串
rna_seq <- RNAString(dna_seq)
rna_seq

12-letter RNAString object
seq: AUGAUCUCGUAA
R 中的 Bioconductor 入门

RNA 翻译为氨基酸

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

# 将 RNA 翻译为氨基酸
aa_seq <- translate(rna_seq)
aa_seq

三个 RNA 碱基组成一个氨基酸：AUG = M, AUC = I, UCG = S, UAA = *

4-letter AAString object
seq: MIS*
R 中的 Bioconductor 入门

快捷：DNA 直接翻译为氨基酸

dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# translate() 也可直接从 DNA 到氨基酸
translate(dna_seq)

4-letter AAString object
seq: MIS*
R 中的 Bioconductor 入门

寨卡病毒

寨卡病毒

寨卡症状

R 中的 Bioconductor 入门

让我们用寨卡病毒来练习！

R 中的 Bioconductor 入门

Preparing Video For Download...