使用Bioperl模块作数据分析

使用Bioperl模块作数据分析王庭璋Outline•Perl和Bioperl简介•基本概念•序列处理•比对处理Outline•Perl和Bioperl简介+为什么选择perl+perl的安装+perl脚本的编辑运行+bioperl简介+bioperl的安装•基本概念•序列处理•比对处理为什么选择perl•脚本语言（Scriptlanguage）–操作系统的功能：读写文件，移动文件–图形化界面和命令行界面：一次只能执行一个操作–脚本语言将多个操作封装成一次操作•很容易学习•开源代码–已有大量模块，提高效率•擅长于文本处理–强大的字符串处理功能，基因组序列、蛋白质序列均采用字符串编码–减少人为错误•功能强大Perl的安装•安装文件下载–的安装点击下载的文件后，会弹出Perl的安装过程Perl安装成功与否的测试启动命令行：开始-程序-附件-命令行提示符至此perl环境准备好Perl脚本的编辑运行Perl脚本的编辑：Windows下面可以采用记事本、Editplus、UltraEdit等文本编辑软件Perl脚本的编辑运行Perl脚本的运行：命令行切换到工作目录下，输入perl脚本名称，再按回车键Perl环境已经配置好，接下来再了解一下bioperlBioperl简介•Perl中的模块–关于生物数据处理•开源，拥有很多代码贡献者–不必花费时间重复别人的工作•具有可扩展性–根据自己的需要扩展现存方法•参考网站–•参考文献–Stajichetal.(2002)GenomeResBioperl的安装启动PerlPackageManager(ppm)Bioperl的安装名称perl5.8perl5.10BioPerl-RegularReleases://bioperl.org/DISTBioPerl-ReleaseCandidates://bioperl.org/DIST/RCKobes://cpan.uwinnipeg.ca/PPMPackages/10xx/Bribes://://trouchelle.com/ppm://ppm.tcool.org/archives/无Windows下，安装bioperl所需要的代码仓库：如何将这些仓库地址导入ppm？点击Edit-》Preference菜单，启动仓库地址添加界面：4:结束，返回主界面，进行安装3:输入仓库信息2:进入仓库(Repositories)界面1:进入首选项(Preference)Bioperl的安装点击Repositories标签1:输入仓库名称：BioPerl-RegularReleases2:输入仓库地址：:点击Add按钮4:按1~3，依次添加完所有仓库仓库添加完后，点击OK，返回PPM的主界面添加仓库信息：Bioperl的安装1:查询框中输入bioperl2:标记要安装的bioperl包3:点击安装按钮进行安装4:确认安装5:等待安装完成安装按钮已经完成perl和bioperl的环境设置Outline•Perl和Bioperl简介+为什么选择perl+perl的安装+perl脚本的编辑运行+bioperl简介+bioperl的安装•基本概念•序列处理•比对处理Outline•Perl和Bioperl简介•基本概念+对象、模块和实例+模块与模块之间的关系+模块的构成+模块中的方法+操作符+结构控制语句+如何使用perl/bioperl•序列处理•比对处理对象、模块（类）和实例•对象：对象是我们要进行研究的任何事物，例如生活中我们碰到的各种交通工具：汽车、轮船、飞机等。而在今天的bioperl中，我们将要学习的对象有：序列、多序列比对等对象、模块（类）和实例•模块（类）：一个模块(类)是对一个对象（或者一类对象）的描述，例如：对汽车的描述：车牌号，行驶在公路上的交通工具对序列的描述：序列名称、序列类型（DNA、RNA或者蛋白质）•模块实例（对象实例）：一个个具体对象，叫做实例，比如说：车牌号为“京2009”便是汽车的一个实例。而水稻叶绿体基因组序列，则是序列的一个具体实例。模块与模块之间的关系在分类学上的对象之间存在一些包含关系：例如：汽车，可以包含小汽车、公共汽车、货车等序列文件格式有fasta，genbank，embl等。模块与模块之间的关系：所有的小汽车模块、公共汽车模块和货车模块都具有汽车模块的描述，以及各自独有的描述。汽车小汽车父模块公共汽车货车SeqIOfastagenbankembl……子模块模块是对“对象”的一种描述学习bioperl，重点是了解其中的模块模块的构成模块是对“对象”的描述，这里的描述分为两部分：属性（静态），方法（行为特征，动态）以汽车为例：属性特征有车牌号、车子的颜色等行为特征有启动车子、刹车等以序列文件读写为例：属性特征有文件名、文件格式等行为特征有读一条序列、写一条序列模块：属性部分：属性1，属性2，属性3方法部分：方法1，方法2，方法3如何使用一个模块？模块中的方法与模块进行交互：在bioperl中，一般通过模块中的方法与模块进行交互！模块………方法1参数11…参数1n返回结果1方法2参数21…参数2n返回结果2方法…….返回结果重点：是否已经存在有关模块？是否有合适的方法？返回值=模块-方法n(参数n1，参数n2，….)操作符$，后跟字符，表示一个变量。$var@，后跟字符，表示一个数组变量。@arr$arr[0],$arr[1],$arr[2],…$arr[i]...,取用数组里第i个位置的值。@，后跟变量，表示将变量中存储的地址中的内容当做数组对待。@$arr_ref%，后跟字符，表示一个哈希表变量，%hash;$hash{$key}，取用哈希表(hash)里“键名”为$key的键值。%后跟变量，表示把变量中存储的地址中的内容当做哈希表对待。%$hash_ref@arr%hash$var…102…key3key2key1操作符=，变量赋值，即把“=”右边的内容赋给“=”左边的变量。赋值可以简单地理解为把内容（值）放到某个盒子（变量）里。$var=5;$var=“Iamastring”;$var$var=5;盒子里是什么，不清楚$var盒子里装的内容是“5”BioSeqIO::，取子模块，“::”左边为父模块，“::”右边为子模块。useBio::SeqIO;操作符-，取用模块里的方法，“-”左边为模块或者模块的实例，“-”右边为模块里的方法。$in=Bio::SeqIO-new(-file=”$inputFile”,-format=’fasta’);$in-next_seq();=，用法多样，当在方法的()中的时候，其表示赋值，即把“=”右边的值赋给左边的参数。当方法没有参数的时候，可以不写()。$in-next_seq;SeqIO…newfile…format返回结果1Next_seq返回结果2结构控制语句while循环：while(条件){当满足()中的条件时，反复执行这里的内容}当不满足()中的条件时，反复执行这里的内容Foreach循环:foreachmy$element(@array)#依次把数组array中的内容转放到变量element中{当element中有真实内容的时候，执行这里的内容}if条件语句:If(条件){符合条件时的执行内容}else{不符合条件时的执行内容}如何使用perl/bioperl1.明确问题2.寻找已经存在的代码3.确定自己的解决方案4.编写代码–用操作符组合变量和数据–结构控制相关语句–修改-调试-修改5.运行程序Outline•Perl和Bioperl简介•基本概念+对象、模块和实例+模块与模块之间的关系+模块的构成+模块中的方法+操作符+结构控制语句+如何使用perl/bioperl•序列处理•比对处理Outline•Perl和Bioperl简介•基本概念•序列处理+序列格式介绍+序列文件格式的转换+DNA序列的翻译+序列长度的计算+序列特征的提取+序列特征的图形化显示+序列的远程获取+序列处理管道设计•比对处理序列格式介绍文件格式：fasta序列名称（ID）序列描述序列本身序列格式介绍文件格式：genbankgenbank格式fasta格式序列格式介绍文件格式：emblfasta格式embl格式序列文件格式的转换1，提出问题：如何进行文件格式的转换?（实例1）fasta格式genbank格式embl格式序列文件格式的转换2，是否已经相关代码？Bioperl中SeqIO模块，封装了序列有关的文件读写通过useBio::SeqIO;语句告诉程序要使用SeqIO模块方法参数返回值作用new序列文件、序列格式SeqIO模块实例产生一个与文件关联的变量next_seq无序列（Seq模块实例）从文件中读取序列，但每次只读一条write_seq序列（Seq模块实例）成功返回1，否则0往文件写一条序列3，解决方案：3.1利用SeqIO模块中的new方法产生一个读实例3.2利用SeqIO模块中的new方法产生一个写实例3.3从读实例中取序列3.4通过写实例往文件存入序列3.5反复操作3.3和3.4，直到读实例中无序列可取序列文件格式的转换序列文件格式的转换4，编写代码$in和$out均为SeqIO模块的实例$seq为Seq模块的实例序列文件格式的转换5，运行代码：首先要准备好待转换的序列文件将上述代码保存到文件ex001.pl在命令行上，进入工作目录在命令行上，键入命令perlex001.pl查看结果序列文件格式的转换1.明确问题-将某个序列文件的格式改成其它格式2.寻找已经存在的代码-Bio::SeqIO模块3.确定解决方案-分别产生一个读实例和一个写实例-读实例不断地读取序列到内存-同时写实例不断地把内存中的序列写到文件4.编写代码-关键变量$in,$out,$seq-while-修改-调试-修改5.运行程序DNA序列的翻译问题2：DNA序列的翻译？............64密码子20氨基酸+终止信号DNA序列的翻译$seq和$prot两个均为Seq模块实例2，已存在的代码；3，解决方案；4：代码编写DNA序列的翻译5，运行代码后，结果展示如下：序列的统计信息：长度分布提出问题:如何统计每条序列的长度？（实例3）序列长度的计算2，已存在的代码；3，解决方案；4代码编写：$seq为Seq模块实例序列长度的计算5，运行代码后的结果展示：蛋白质长度分布051015202530~5051~100101~150151~200201~250251~300301~400401~500501~500601~长度区间（aa）频数系列1借助于其它程序，比如perl，Excel可以获得下图Seq模块总结告诉程序要使用Seq模块？（即如何产生Seq模块实例？）1，直接使用“useBio::Seq;”语句；2，通过SeqIO模块中的next_seq方法；3，或者有关模块中的有关方法方法参数返回值new序列名称（id）、序列本身（一段字符串）……Seq模块实例id无，或者序列的新名称序列名称desc无，或者序列的新描述序列描述Length无序列长度seq无，或者Seq模块实例的新序列序列（用一串字符表示）subseq起始位点，终止位点子序列（一串字符）alphabetDNA，或者RNA，或者