序列處理

R 中的 Bioconductor 入門

James Chapman

Curriculum Manager, DataCamp

單一 vs. 多個集合

 

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

 

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

建立 StringSet 並彙整

# 以集合讀入序列
zikaVirus <- readDNAStringSet("data/zika.fa")

length(zikaVirus)  # 集合只含一條序列
width(zikaVirus)   # 長度為 10794 個鹼基

1
10794

# 彙整（展開）序列
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"'
R 中的 Bioconductor 入門

從單一序列到集合

# 從單一序列建立新集合
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
R 中的 Bioconductor 入門

互補序列

ATGATCTCGTAA

a_seq <- DNAString("ATGATCTCGTAA")
a_seq

12-letter DNAString object
seq: ATGATCTCGTAA

complement(a_seq)

12-letter DNAString object
seq: TACTAGAGCATT
R 中的 Bioconductor 入門

反轉序列（rev）

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
R 中的 Bioconductor 入門

反向序列（reverse）

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
R 中的 Bioconductor 入門

反向互補（reverse complement）

# 原始 rna_seq 序列
8-letter RNAString object
seq: AGUUGUUG

reverseComplement(rna_seq)

8-letter RNAString object
seq: CAACAACU

# 合併兩個函式使用
reverse(complement(rna_seq))

8-letter RNAString object
seq: CAACAACU
R 中的 Bioconductor 入門

unlist length width complement rev reverse everseComplement

R 中的 Bioconductor 入門

一起來練習序列處理吧！

R 中的 Bioconductor 入門

Preparing Video For Download...