Python-for-Bioinformatics(1)---介绍

PythonforBioinformatics（1）~~介绍第一部分编程第一章介绍1.1谁应该读这本书这本书是写给那些想学习编程的生命科学研究者的，他可能对计算机编程是弱项，可是这并不妨碍理解这本书（虽然编程经验当然有帮助）。这本书设计对大学生，研究生，博士后和职业科学家相关的读者都分别有益，因为他们的所有大都可以因为知道怎么编程而受益。使得学生在他们早期的职业生涯就开始编程，可以提高他们的创造力和逻辑思维，所有的这些在研究中都可以得到应用。为了使学生们更容易的学习，所有的主题都由最小的前提来介绍。每一章的后面还附有提问，它们可以用作自我评价读者学习的成果。问题的答案作为独立的章节可以提供给教师。研究生和职业科学家具有真正的编程的需要，应该可以发现若干真实世界的例子和丰富的参考文献，而这是非常有价值的。1.1.1你应该知道些什么因为这本书叫《为生物信息学设计的Python教程》（PythonforBioinformatics),所以在头脑中是基于下面的假设被写出来的：读者应该知道怎样使用计算机。不需要编程的知识，但是读者需要最低的计算机熟练程度，能够用文本编辑器，处理操作系统(OS)中的基本任务。由于Python是支持多平台的，这本书的大多数的指令都可以应用到常用的操作系统(Windows,MacOsX和Linux),当一个命令或过程只能应用到特定的操作系统中时，它将被特殊说明。读者应该正在用生物信息学工具或至少想用它们进行工作，甚至是小规模手动的工作，诸如用NCBI的Blast来识别一个序列，排序蛋白质，引物寻找，或估计系统进化树对重复这里的结果都是有帮助的。读者对生物信息了解得越多，他就能够应用这些概念来更好地学习本书。________________________________________________________________1.2用这本书1.2.1Python版本有两个Python的版本可以被下载：Python2.6(也就是2.x系列)和Python3(也就是所谓的Python3000)。Python3和Python2.x系列不完全兼容，由于这个原因，现在(2009年)大部分的第三方模块是不可用的。特别是Biopython软件包，这个对于你计划要做的生物信息工作是“必不可少”的。它的开发者预计在Python3中检验它的代码，想移植它们到Python3.1或3.2中。最新的Biopython版本(1.5,此时)可以在Python2.4，2.5和2.6上在所有支持的平台下运行。（译者注：到翻译这篇文章，Python有2.7版本，是2.x最后的一个版本，Biopython1.8仍然没有支持3.0）这本书教授的Python基础可以应用于Python的任何版本。如果一个功能是在特定的版本中不存在，会被适当的注明。所有的这本书的程序都被在Python2.5和2.6中检测过，它们都是“Python3aware”的，也就是说，虽然因为它们依赖的外部包在现在还没有被导入系统，所以它们不工作，但它们是在头脑中用Python3的句法写成的，预计可以当外部包变得可用之后只需要有很小的改动。如果你的代码不依赖于外部包，在考虑用哪个版本时，你可以马上就试Python3，可是这是一个不可能的局面。如果你需要的包还没有被移植，你就应该用Python2.6,Python2.x系列还将继续被支持，并随着年代的更新，Python2.6有一个“－3”的命令行号（py3K警告）来提醒Python3K的不兼容，还有个工具叫“2to3”，可以把Python2.6的代码转换成Python3兼容的Python代码。（译者注：Python2.7也有这些功能。____________________________________________________________________1.2.2排版风格在整本书中有一些我试图采用的统一的排版规定，它们可以增加可读性，来帮助读者区分名字（变量名）和语言关键字。这在学习一门新语言时是方便的。粗体（bold）:Python和第三方模块提供的对象。有了这个符号，语言的部分轮廓就清晰了，区别于用户定义的名字。粗体也被用来实现突显文本的部分，粗体的应用没有机会与其它进行混淆。单行字体（mono-spacedfont）：用户声明的变量或文件名。斜体（Italics）：在命令中，它表示一个变量，可以采取不同的值。比如len(iterable)中，iterable可以采用不同的值。用在文章中，它表示一个新词。=:间断线(Breakline)，一些行比印刷页面的可用空间要长，所以插入此符号，这意味着页面的下一行在计算机屏幕上是同一行。___________________________________________________________________1.2.3代码风格Python的源代码是用一些列表(listing)来表示的，每行有一个数字。这些数字是不需要打印出来的，它们是用来标记文本中的每一行。所有的代码都在伴随的虚拟机上应用（注：请参照DVD中的介绍来用这个虚拟机）。所有的代码实例都可以在网上得到，特别的技巧是用Pastebin来显示代码。你可以在一个URL（网址）以“py3.us/#”（其中＃是一个数字）与每一个这样的列表想连。你在浏览器上输入这个URL，就能得到同本书相同的代码，这个代码可以用下载(download)链接的方法从它的Pastebin上下载。代码可以被用几种不同的格式写作，这在python中都有效。下面的代码在语法上是正确的：Dna=’accatcagt’defMyFunction(X,N):avG=sum(X)/NCalculatetheaveragereturnavG而这个代码也是正确的dna=’accatcagt’defmy_function(x,n):Calculatetheaverageavg=sum(x)/nreturnavg前面的代码实例是被Python2.x最广为接受的编码风格（注：见原书553页代码风格），在整本书中，你会发现大多数的代码象第二个例子的格式。一些本书的代码你将发现不遵守这个原则，有以下几个原因：在一些情况下，大多数是为讲解代码的冲突，采用了不同风格展示。在这些很少的情况下，我选择了有偏向性的代码风格是为了使问题更清晰。因为印刷体书的限制，一些名字被简写和其它的更偏向少的代码风格被选择采用。为了显示有多于一种的方式来写相同的代码，代码风格是一个参考，所以一些编码者不服从它们。你应该学会来阅读“坏”的代码，因为迟早你不得不阅读别人的代码。____________________________________________________________________1.2.4不阅读所有的部分学到书中大部分的内容如果你想学习怎样编程，阅读第一部分，从第一章到第八章，第九章正则表达式（REGEX），如果你不需要处理REGEX可以被跳过。如果你了解Python，只想知道Biopython，阅读第二部分的开头（从175到221页）它包含了大章节的Biopython模块和函数，然后可以重复在第四部分的程序（从371到391页）。如果你在学习Biopython之前需要一些生物学基础的介绍。你可以从“用Biopython深入基因挖掘”开始，431页到447页。如果把它用作参考资料，见第三部分:（带注释代码的Python菜单，从317页到391页），附件D（Python语言参考，从457页到527页）和附件F（Python代码风格介绍，从553到576页）。____________________________________________________________________1.3为什么学习编程研究者在他的计算机上的许多工作都是重复性的：从网页上收集数据，把文件格式从一个转到另一个，执行和解释几十个或上百个BLAST结果，初次设计，寻找限制性内切酶等等。在许多事例中，有证据表明这些任务能用计算机完成，这样既节省了我们的精力，又避免了由于疲劳和注意力分散导致错误的可能性。当你评估是否需要编程时，就要看在问题的定义和公式化、用代码实施、然后调试它（改正表面上不可避免的错误）上大致用的时间。认为问题定义和评估是浪费时间的看法是不正确的。在我们完全理解面临的问题的过程中，一般要面临一个精确的位置，而在试图公式化问题的时候，非常常见的情况是我们发现许多原初的假定是错误的。当有必要重新计划这个过程的时候，问题定义可以帮我们检查。这样的情况发生时，最好是在问题的计划阶段而不是我们的项目中间。在这样的情形下，编程的计划代表了时间的节省。另一个值得被提及的优点是被用作创造程序投入的时间，可以被每次运行任务时所带来的速度进行补偿。不仅编程可以把我们手动的过程自动化，它还能够做一些不可能的事情：个性化的图形，Web应用和数据库交互，这里只列出一点点。有时对一个特定的事务是否可以被编程完成不是很清楚。读象这样一本书（包括例子）可以帮助读者认识到哪些任务可以是脚本自动化可行的，而哪些最好手工完成。___________________________________________________________________1.4基本编程概念在安装Python前，让我们来评论一下一些编程的基础。如果读者有一些以前的编程经验，你可以跳过这一节，直接到19页（安装Python），这一节介绍一些基本概念，如指令（instructions），数据类型（datatypes），变量（variables)和其它一些整本书中用到的相关的术语。1.4.1什么是程序一个程序(program)是一系列有序的指令，设计用来命令计算机做一些事。这里有“有序的”这个词是因为光声明做什么是不够的，还要有方向的顺序也必须被指示出来（注：有说明性（declarative）的语言来描述程序应该完成的事，而不是描述来怎样完成它。因为大多数的计算机语言，也包括Python，是命令性(imperative)的而不是说明性的，这本书假定所有的程序是采用命令性的方式书写的。）一个程序通常被看作有象菜谱一样的性质。一个典型的菜谱包含一些配料，按照循序渐进的指令教怎样准备做一道菜。这个类比反映在许多编程的网站和教程用菜谱(recipe或cookbook)这个词来命名。另一个类比可以用实验室的流程（protocol）做例子，一个实验流程是这样定义的：“在实验的设计和实施中预定义在书面上程式化的方法。”这是一个典型的分子生物学实验室中每天被用到的流程的例子。列表1.1:LambdaDNA酶切的实验流程____________________________________________________________________RestrictionDigestionofLambdaDNAMaterials5.0mcLLambdaDNA(0.1g/L)2.5mcL10xbuffer16.5mcLH2O1.0mcLEcoRIProcedureIncubatethereactionsat37±Cfor1hr.Add2.5mcLloadingdyeandincubateforanother15minutes.Load20mcLofthedigestionmixtureontoaminigel.___________________________________________________________在这个实验流程中，至少有两部分内容：过程和材料。一个过程包括特别的顺序，如孵育（incubate），添加（add），混合（mix），存储（store），提取（load）和其它。这在计算机程序中也一样，编程者给计算机一些特定的指令顺序，如打印（print），读取（read），加（add），乘（multiply），赋值（assign），四舍五入（round）和其它。正如实验流程的过程和程