Manipularea secvențelor

Introducere în Bioconductor în R

James Chapman

Curriculum Manager, DataCamp

Singular vs. Set

 

  • XString pentru o secvență unică
    • BString pentru orice șir
    • DNAString pentru ADN
    • RNAString pentru ARN
    • AAString pentru aminoacizi

 

  • XStringSet pentru mai multe secvențe
    • BStringSet
    • DNAStringSet
    • RNAStringSet
    • AAStringSet
Introducere în Bioconductor în R

Crearea unui StringSet și colectarea sa

# Read the sequence as a set
zikaVirus <- readDNAStringSet("data/zika.fa")

length(zikaVirus)  # the set contains only one sequence
width(zikaVirus)   # and width 10794 bases

1
10794

# Collate the sequence
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"'
Introducere în Bioconductor în R

De la o secvență unică la un set

# to create a new set from a single sequence
zikaSet <- DNAStringSet(zikaVirus_seq, start = c(1, 101, 201), end = c(100, 200, 300))
zikaSet

DNAStringSet object of length 3:
    width seq
[1]   100 AGTTGTTGATCTGTGTGAGTCAGACTGCGACAGTTCGAGTCTGAAG...AACAACAGTATCAACAGGTTTAATTTGGATTTGGAAACGAGAGTTT
[2]   100 CTGGTCATGAAAAACCCCAAAGAAGAAATCCGGAGGATCCGGATTG...CTAAAACGCGGAGTAGCCCGTGTAAACCCCTTGGGAGGTTTGAAGA
[3]   100 GGTTGCCAGCCGGACTTCTGCTGGGTCATGGACCCATCAGAATGGT...TACTAGCCTTTTTGAGATTTACAGCAATCAAGCCATCACTGGGCCT

length(zikaSet) 
width(zikaSet)

3
100 100 100
Introducere în Bioconductor în R

Secvența complement

ATGATCTCGTAA

a_seq <- DNAString("ATGATCTCGTAA")
a_seq

12-letter DNAString object
seq: ATGATCTCGTAA

complement(a_seq)

12-letter DNAString object
seq: TACTAGAGCATT
Introducere în Bioconductor în R

Inversarea ordinii secvențelor

zikaShortSet

DNAStringSet instance of length 2
width seq                          names      
[1]    18 AGTTGTTGATCTGTGTGA        seq1
[2]    18 CTGGTCATGAAAAACCCC        seq2

rev(zikaShortSet)

 A DNAStringSet instance of length 2
width seq                          names      
[1]    18 CTGGTCATGAAAAACCCC        seq2       
[2]    18 AGTTGTTGATCTGTGTGA        seq1
Introducere în Bioconductor în R

Răsturnarea unei secvențe

zikaShortSet

 A DNAStringSet instance of length 2
width seq                          names      
[1]    18 AGTTGTTGATCTGTGTGA        seq1
[2]    18 CTGGTCATGAAAAACCCC        seq2

reverse(zikaShortSet)

 A DNAStringSet instance of length 2
width seq                          names    
[1]    18 AGTGTGTCTAGTTGTTGA        seq1
[2]    18 CCCCAAAAAGTACTGGTC        seq2
Introducere în Bioconductor în R

Complementul invers

# Original rna_seq sequence
8-letter RNAString object
seq: AGUUGUUG

reverseComplement(rna_seq)

8-letter RNAString object
seq: CAACAACU

# Using two functions together
reverse(complement(rna_seq))

8-letter RNAString object
seq: CAACAACU
Introducere în Bioconductor în R

unlist length width complement rev reverse reverseComplement

Introducere în Bioconductor în R

Haideți să exersăm manipularea secvențelor!

Introducere în Bioconductor în R

Preparing Video For Download...