Introducere în Biostrings

Introducere în Bioconductor în R

James Chapman

Curriculum Manager, DataCamp

Biostrings

Algoritmi pentru manipulare rapidă a secvențelor
Multe pachete Bioconductor depind de Biostrings

BiocManager::install("Biostrings")

Containere pentru șiruri biologice

Biostrings → Stocare și manipulare eficientă a secvențelor de caractere
Containere care pot fi moștenite

De exemplu:

Clasa BString provine din big string

Șiruri vs. Seturi

XString pentru o singură secvență
- BString pentru orice șir
- DNAString pentru ADN
- RNAString pentru ARN
- AAString pentru aminoacizi

XStringSet pentru mai multe secvențe
- 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"

Alfabete Biostrings

DNA_BASES # 4 baze ADN

RNA_BASES # 4 baze ARN

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

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

AA_STANDARD # 20 aminoacizi

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

DNA_ALPHABET # conține IUPAC_CODE_MAP 
RNA_ALPHABET # conține IUPAC_CODE_MAP 
AA_ALPHABET  # conține AMINO_ACID_CODE

¹ Pentru mai multe informații despre codurile IUPAC ADN: http://genome.ucsc.edu/goldenPath/help/iupac.html

transcriere și translație

Transcriere ADN în ARN

# Secvență ADN simplă
dna_seq <- DNAString("ATGATCTCGTAA")
dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# Transcriere ADN în ARN
rna_seq <- RNAString(dna_seq)
rna_seq

12-letter RNAString object
seq: AUGAUCUCGUAA

Translație ARN în aminoacizi

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

# Translație ARN în AA
aa_seq <- translate(rna_seq)
aa_seq

Trei baze ARN formează un AA: AUG = M, AUC = I, UCG = S, UAA = *

4-letter AAString object
seq: MIS*

Scurtătură: translație ADN în aminoacizi

dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# translate() funcționează direct și din ADN în AA
translate(dna_seq)

4-letter AAString object
seq: MIS*

Virusul Zika

Simptome Zika

Să exersăm cu virusul Zika!

Introducere în Bioconductor în R