Introduktion till Biostrings

Introduktion till Bioconductor i R

James Chapman

Curriculum Manager, DataCamp

Biostrings

Algoritmer för snabb hantering av sekvenser
Många Bioconductor-paket är beroende av Biostrings

BiocManager::install("Biostrings")

Biologiska strängbehållare

Biostrings → Minneseffektiv lagring och hantering av teckensekvenser
Behållare som kan ärvas

Till exempel:

Klassen BString kommer från big string

Strängar vs. mängder

XString för att lagra en enstaka sekvens
- BString för valfri sträng
- DNAString för DNA
- RNAString för RNA
- AAString för aminosyror

XStringSet för flera sekvenser
- 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"

Biostrings-alfabet

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 Mer information om IUPAC DNA-koder: http://genome.ucsc.edu/goldenPath/help/iupac.html

transkription och translation

Transkription DNA till RNA

# 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

Translation RNA till aminosyror

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

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

Tre RNA-baser bildar en aminosyra: AUG = M, AUC = I, UCG = S, UAA = *

4-letter AAString object
seq: MIS*

Genväg: translate DNA direkt till aminosyror

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*

Zikaviruset

Zikavirus

Zika-symptom

Nu kör vi en övning med zikaviruset!

Introduktion till Bioconductor i R