Введение в Biostrings

Введение в Bioconductor на R

James Chapman

Curriculum Manager, DataCamp

Biostrings

Алгоритмы для быстрой обработки последовательностей
Многие пакеты Bioconductor зависят от Biostrings

BiocManager::install("Biostrings")

Контейнеры биологических строк

Biostrings → Эффективное хранение и обработка последовательностей символов
Контейнеры с поддержкой наследования

Например:

Класс BString происходит от big string

Строки и наборы строк

XString для хранения одной последовательности
- BString — любая строка
- DNAString — ДНК
- RNAString — РНК
- AAString — аминокислоты

XStringSet для множества последовательностей
- 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"

Алфавиты Biostrings

DNA_BASES # 4 DNA bases

RNA_BASES # 4 RNA bases

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

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

AA_STANDARD # 20 Amino acids

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

DNA_ALPHABET # contains IUPAC_CODE_MAP 
RNA_ALPHABET # contains IUPAC_CODE_MAP 
AA_ALPHABET  # contains AMINO_ACID_CODE

¹ Подробнее о кодах IUPAC для ДНК: http://genome.ucsc.edu/goldenPath/help/iupac.html

транскрипция и трансляция

Транскрипция ДНК в РНК

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

12-letter DNAString object
seq: ATGATCTCGTAA

# Transcription DNA to RNA string
rna_seq <- RNAString(dna_seq)
rna_seq

12-letter RNAString object
seq: AUGAUCUCGUAA

Трансляция РНК в аминокислоты

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

# Translation RNA to AA
aa_seq <- translate(rna_seq)
aa_seq

Три основания РНК кодируют одну аминокислоту: AUG = M, AUC = I, UCG = S, UAA = *

4-letter AAString object
seq: MIS*

Быстрый путь: трансляция ДНК в аминокислоты

dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# translate() also goes directly from DNA to AA
translate(dna_seq)

4-letter AAString object
seq: MIS*

Вирус Зика

Симптомы Зика

Давайте потренируемся на примере вируса Зика!

Введение в Bioconductor на R