Biostrings 入門

R 中的 Bioconductor 入門

James Chapman

Curriculum Manager, DataCamp

Biostrings

  • 用於序列「快速操作」的演算法
  • 多個 Bioconductor 套件相依於 Biostrings
BiocManager::install("Biostrings")
R 中的 Bioconductor 入門

生物序列容器

  • Biostrings → 記憶體有效儲存並操作字元序列
  • 可被繼承的容器

例如：

  • BString 類別來自「big string」
R 中的 Bioconductor 入門

Strings 與 Sets

 

  • 用 XString 儲存「單一」序列
    • BString：任意字串
    • DNAString：DNA
    • RNAString：RNA
    • AAString：胺基酸

 

  • XStringSet 用於「多個」序列
    • BStringSet
    • DNAStringSet
    • RNAStringSet
    • AAStringSet
R 中的 Bioconductor 入門

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 入門

Biostring 字母表

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 更多 IUPAC DNA 代碼資訊 http://genome.ucsc.edu/goldenPath/help/iupac.html
R 中的 Bioconductor 入門

轉錄與轉譯

R 中的 Bioconductor 入門

DNA 轉錄成 RNA

# DNA 單一序列
dna_seq <- DNAString("ATGATCTCGTAA")
dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# 轉錄：DNA → RNA 字串
rna_seq <- RNAString(dna_seq)
rna_seq

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

RNA 轉譯為胺基酸

rna_seq

12-letter RNAString object 
seq: AUGAUCUCGUAA

# 轉譯：RNA → AA
#aa_seq <- translate(rna_seq)
aa_seq <- translate(rna_seq)
aa_seq

三個 RNA 碱基形成一個胺基酸：AUG = M, AUC = I, UCG = S, UAA = *

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

捷徑：DNA 直譯為胺基酸

dna_seq

12-letter DNAString object
seq: ATGATCTCGTAA

# translate() 也可直接由 DNA → AA
translate(dna_seq)

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

茲卡病毒

茲卡病毒

茲卡症狀

R 中的 Bioconductor 入門

一起來練習吧！

R 中的 Bioconductor 入門

Preparing Video For Download...