使用Bioperl模塊作數(shù)據(jù)分析

使用Bioperl模塊作數(shù)據(jù)分析第一頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念序列處理比對(duì)處理第二頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介+為什么選擇perl+perl的安裝+perl腳本的編輯運(yùn)行+bioperl簡(jiǎn)介+bioperl的安裝基本概念序列處理比對(duì)處理第三頁(yè)，共69頁(yè)。為什么選擇perl腳本語(yǔ)言（Scriptlanguage）操作系統(tǒng)的功能：讀寫文件，移動(dòng)文件圖形化界面和命令行界面：一次只能執(zhí)行一個(gè)操作腳本語(yǔ)言將多個(gè)操作封裝成一次操作很容易學(xué)習(xí)開源代碼已有大量模塊，提高效率擅長(zhǎng)于文本處理強(qiáng)大的字符串處理功能，基因組序列、蛋白質(zhì)序列均采用字符串編碼減少人為錯(cuò)誤功能強(qiáng)大第四頁(yè)，共69頁(yè)。Perl的安裝安裝文件下載http://第五頁(yè)，共69頁(yè)。Perl的安裝點(diǎn)擊下載的文件后，會(huì)彈出第六頁(yè)，共69頁(yè)。Perl的安裝過(guò)程第七頁(yè)，共69頁(yè)。Perl安裝成功與否的測(cè)試啟動(dòng)命令行：開始->程序->附件->命令行提示符至此perl環(huán)境準(zhǔn)備好第八頁(yè)，共69頁(yè)。Perl腳本的編輯運(yùn)行Perl腳本的編輯：Windows下面可以采用記事本、Editplus、UltraEdit等文本編輯軟件第九頁(yè)，共69頁(yè)。Perl腳本的編輯運(yùn)行Perl腳本的運(yùn)行：命令行切換到工作目錄下，輸入perl腳本名稱，再按回車鍵Perl環(huán)境已經(jīng)配置好，接下來(lái)再了解一下bioperl第十頁(yè)，共69頁(yè)。Bioperl簡(jiǎn)介Perl中的模塊關(guān)于生物數(shù)據(jù)處理開源，擁有很多代碼貢獻(xiàn)者不必花費(fèi)時(shí)間重復(fù)別人的工作具有可擴(kuò)展性根據(jù)自己的需要擴(kuò)展現(xiàn)存方法參考網(wǎng)站/參考文獻(xiàn)Stajichetal.(2002)GenomeRes第十一頁(yè)，共69頁(yè)。Bioperl的安裝啟動(dòng)PerlPackageManager(ppm)第十二頁(yè)，共69頁(yè)。Bioperl的安裝名稱perl5.8perl5.10BioPerl-RegularReleases/DIST/DISTBioPerl-ReleaseCandidates/DIST/RC/DIST/RCKobesBribesTrouchelletcool/archives/無(wú)Windows下，安裝bioperl所需要的代碼倉(cāng)庫(kù)：如何將這些倉(cāng)庫(kù)地址導(dǎo)入ppm？第十三頁(yè)，共69頁(yè)。點(diǎn)擊Edit-》Preference菜單，啟動(dòng)倉(cāng)庫(kù)地址添加界面：4:結(jié)束，返回主界面，進(jìn)行安裝3:輸入倉(cāng)庫(kù)信息2:進(jìn)入倉(cāng)庫(kù)(Repositories)界面1:進(jìn)入首選項(xiàng)(Preference)Bioperl的安裝點(diǎn)擊Repositories標(biāo)簽1:輸入倉(cāng)庫(kù)名稱：BioPerl-RegularReleases2:輸入倉(cāng)庫(kù)地址：/DIST3:點(diǎn)擊Add按鈕4:按1~3，依次添加完所有倉(cāng)庫(kù)倉(cāng)庫(kù)添加完后，點(diǎn)擊OK，返回PPM的主界面添加倉(cāng)庫(kù)信息：第十四頁(yè)，共69頁(yè)。Bioperl的安裝1:查詢框中輸入bioperl2:標(biāo)記要安裝的bioperl包3:點(diǎn)擊安裝按鈕進(jìn)行安裝4:確認(rèn)安裝5:等待安裝完成安裝按鈕已經(jīng)完成perl和bioperl的環(huán)境設(shè)置第十五頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介+為什么選擇perl+perl的安裝+perl腳本的編輯運(yùn)行+bioperl簡(jiǎn)介+bioperl的安裝基本概念序列處理比對(duì)處理第十六頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念+對(duì)象、模塊和實(shí)例+模塊與模塊之間的關(guān)系+模塊的構(gòu)成+模塊中的方法+操作符+結(jié)構(gòu)控制語(yǔ)句+如何使用perl/bioperl序列處理比對(duì)處理第十七頁(yè)，共69頁(yè)。對(duì)象、模塊（類）和實(shí)例對(duì)象：對(duì)象是我們要進(jìn)行研究的任何事物，例如生活中我們碰到的各種交通工具：汽車、輪船、飛機(jī)等。而在今天的bioperl中，我們將要學(xué)習(xí)的對(duì)象有：序列、多序列比對(duì)等第十八頁(yè)，共69頁(yè)。對(duì)象、模塊（類）和實(shí)例模塊（類）：一個(gè)模塊(類)是對(duì)一個(gè)對(duì)象（或者一類對(duì)象）的描述，例如：對(duì)汽車的描述：車牌號(hào)，行駛在公路上的交通工具對(duì)序列的描述：序列名稱、序列類型（DNA、RNA或者蛋白質(zhì)）模塊實(shí)例（對(duì)象實(shí)例）：一個(gè)個(gè)具體對(duì)象，叫做實(shí)例，比如說(shuō)：車牌號(hào)為“京2009”便是汽車的一個(gè)實(shí)例。而水稻葉綠體基因組序列，則是序列的一個(gè)具體實(shí)例。第十九頁(yè)，共69頁(yè)。模塊與模塊之間的關(guān)系在分類學(xué)上的對(duì)象之間存在一些包含關(guān)系：例如：汽車，可以包含小汽車、公共汽車、貨車等序列文件格式有fasta，genbank，embl等。模塊與模塊之間的關(guān)系：所有的小汽車模塊、公共汽車模塊和貨車模塊都具有汽車模塊的描述，以及各自獨(dú)有的描述。汽車小汽車父模塊公共汽車貨車SeqIOfastagenbankembl……子模塊模塊是對(duì)“對(duì)象”的一種描述學(xué)習(xí)bioperl，重點(diǎn)是了解其中的模塊第二十頁(yè)，共69頁(yè)。模塊的構(gòu)成模塊是對(duì)“對(duì)象”的描述，這里的描述分為兩部分：屬性（靜態(tài)），方法（行為特征，動(dòng)態(tài)）以汽車為例：屬性特征有車牌號(hào)、車子的顏色等行為特征有啟動(dòng)車子、剎車等以序列文件讀寫為例：屬性特征有文件名、文件格式等行為特征有讀一條序列、寫一條序列模塊：屬性部分：屬性1，屬性2，屬性3方法部分：方法1，方法2，方法3如何使用一個(gè)模塊？第二十一頁(yè)，共69頁(yè)。模塊中的方法與模塊進(jìn)行交互：在bioperl中，一般通過(guò)模塊中的方法與模塊進(jìn)行交互！模塊………方法1參數(shù)11…參數(shù)1n返回結(jié)果1方法2參數(shù)21…參數(shù)2n返回結(jié)果2方法…….返回結(jié)果重點(diǎn)：是否已經(jīng)存在有關(guān)模塊？是否有合適的方法？返回值=模塊->方法n(參數(shù)n1，參數(shù)n2，….)第二十二頁(yè)，共69頁(yè)。操作符$，后跟字符，表示一個(gè)變量。$var@，后跟字符，表示一個(gè)數(shù)組變量。@arr$arr[0],$arr[1],$arr[2],…$arr[i]...,取用數(shù)組里第i個(gè)位置的值。@，后跟變量，表示將變量中存儲(chǔ)的地址中的內(nèi)容當(dāng)做數(shù)組對(duì)待。@$arr_ref%，后跟字符，表示一個(gè)哈希表變量，%hash;$hash{$key}，取用哈希表(hash)里“鍵名”為$key的鍵值。%后跟變量，表示把變量中存儲(chǔ)的地址中的內(nèi)容當(dāng)做哈希表對(duì)待。%$hash_ref@arr%hash$var…102…key3key2key1第二十三頁(yè)，共69頁(yè)。操作符=，變量賦值，即把“=”右邊的內(nèi)容賦給“=”左邊的變量。賦值可以簡(jiǎn)單地理解為把內(nèi)容（值）放到某個(gè)盒子（變量）里。$var=5;$var=“Iamastring”;$var$var=5;盒子里是什么，不清楚$var盒子里裝的內(nèi)容是“5”BioSeqIO::，取子模塊，“::”左邊為父模塊，“::”右邊為子模塊。useBio::SeqIO;第二十四頁(yè)，共69頁(yè)。操作符->，取用模塊里的方法，“->”左邊為模塊或者模塊的實(shí)例，“->”右邊為模塊里的方法。$in=Bio::SeqIO->new(-file=>”$inputFile”,-format=>’fasta’);$in->next_seq();=>，用法多樣，當(dāng)在方法的()中的時(shí)候，其表示賦值，即把“=>”右邊的值賦給左邊的參數(shù)。當(dāng)方法沒(méi)有參數(shù)的時(shí)候，可以不寫()。$in->next_seq;SeqIO…newfile…format返回結(jié)果1Next_seq返回結(jié)果2第二十五頁(yè)，共69頁(yè)。結(jié)構(gòu)控制語(yǔ)句while循環(huán)：while(條件){當(dāng)滿足()中的條件時(shí)，反復(fù)執(zhí)行這里的內(nèi)容}當(dāng)不滿足()中的條件時(shí)，反復(fù)執(zhí)行這里的內(nèi)容Foreach循環(huán):foreachmy$element(@array)#依次把數(shù)組array中的內(nèi)容轉(zhuǎn)放到變量element中{當(dāng)element中有真實(shí)內(nèi)容的時(shí)候，執(zhí)行這里的內(nèi)容}if條件語(yǔ)句:If(條件){符合條件時(shí)的執(zhí)行內(nèi)容}else{不符合條件時(shí)的執(zhí)行內(nèi)容}第二十六頁(yè)，共69頁(yè)。如何使用perl/bioperl1.明確問(wèn)題2.尋找已經(jīng)存在的代碼3.確定自己的解決方案4.編寫代碼用操作符組合變量和數(shù)據(jù)結(jié)構(gòu)控制相關(guān)語(yǔ)句修改->調(diào)試->修改5.運(yùn)行程序第二十七頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念+對(duì)象、模塊和實(shí)例+模塊與模塊之間的關(guān)系+模塊的構(gòu)成+模塊中的方法+操作符+結(jié)構(gòu)控制語(yǔ)句+如何使用perl/bioperl序列處理比對(duì)處理第二十八頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念序列處理 +序列格式介紹+序列文件格式的轉(zhuǎn)換 +DNA序列的翻譯+序列長(zhǎng)度的計(jì)算 +序列特征的提取+序列特征的圖形化顯示 +序列的遠(yuǎn)程獲取+序列處理管道設(shè)計(jì)比對(duì)處理第二十九頁(yè)，共69頁(yè)。序列格式介紹文件格式：fasta序列名稱（ID）序列描述序列本身第三十頁(yè)，共69頁(yè)。序列格式介紹文件格式：genbankgenbank格式fasta格式第三十一頁(yè)，共69頁(yè)。序列格式介紹文件格式：emblfasta格式embl格式第三十二頁(yè)，共69頁(yè)。序列文件格式的轉(zhuǎn)換1，提出問(wèn)題：如何進(jìn)行文件格式的轉(zhuǎn)換?（實(shí)例1）fasta格式genbank格式embl格式第三十三頁(yè)，共69頁(yè)。序列文件格式的轉(zhuǎn)換2，是否已經(jīng)相關(guān)代碼？Bioperl中SeqIO模塊，封裝了序列有關(guān)的文件讀寫通過(guò)useBio::SeqIO;語(yǔ)句告訴程序要使用SeqIO模塊方法參數(shù)返回值作用new序列文件、序列格式SeqIO模塊實(shí)例產(chǎn)生一個(gè)與文件關(guān)聯(lián)的變量next_seq無(wú)序列（Seq模塊實(shí)例）從文件中讀取序列，但每次只讀一條write_seq序列（Seq模塊實(shí)例）成功返回1，否則0往文件寫一條序列第三十四頁(yè)，共69頁(yè)。3，解決方案：3.1利用SeqIO模塊中的new方法產(chǎn)生一個(gè)讀實(shí)例3.2利用SeqIO模塊中的new方法產(chǎn)生一個(gè)寫實(shí)例3.3從讀實(shí)例中取序列3.4通過(guò)寫實(shí)例往文件存入序列3.5反復(fù)操作3.3和3.4，直到讀實(shí)例中無(wú)序列可取序列文件格式的轉(zhuǎn)換第三十五頁(yè)，共69頁(yè)。序列文件格式的轉(zhuǎn)換4，編寫代碼$in和$out均為SeqIO模塊的實(shí)例$seq為Seq模塊的實(shí)例第三十六頁(yè)，共69頁(yè)。序列文件格式的轉(zhuǎn)換5，運(yùn)行代碼：首先要準(zhǔn)備好待轉(zhuǎn)換的序列文件將上述代碼保存到文件ex001.pl在命令行上，進(jìn)入工作目錄在命令行上，鍵入命令perlex001.pl查看結(jié)果第三十七頁(yè)，共69頁(yè)。序列文件格式的轉(zhuǎn)換1.明確問(wèn)題 -將某個(gè)序列文件的格式改成其它格式2.尋找已經(jīng)存在的代碼 -Bio::SeqIO模塊3.確定解決方案 -分別產(chǎn)生一個(gè)讀實(shí)例和一個(gè)寫實(shí)例 -讀實(shí)例不斷地讀取序列到內(nèi)存 -同時(shí)寫實(shí)例不斷地把內(nèi)存中的序列寫到文件4.編寫代碼 -關(guān)鍵變量$in,$out,$seq -while -修改->調(diào)試->修改5.運(yùn)行程序第三十八頁(yè)，共69頁(yè)。DNA序列的翻譯問(wèn)題2：DNA序列的翻譯？............64密碼子20氨基酸+終止信號(hào)第三十九頁(yè)，共69頁(yè)。DNA序列的翻譯$seq和$prot兩個(gè)均為Seq模塊實(shí)例2，已存在的代碼；3，解決方案；4：代碼編寫第四十頁(yè)，共69頁(yè)。DNA序列的翻譯5，運(yùn)行代碼后，結(jié)果展示如下：序列的統(tǒng)計(jì)信息：長(zhǎng)度分布提出問(wèn)題:如何統(tǒng)計(jì)每條序列的長(zhǎng)度？（實(shí)例3）第四十一頁(yè)，共69頁(yè)。序列長(zhǎng)度的計(jì)算2，已存在的代碼；3，解決方案；4代碼編寫：$seq為Seq模塊實(shí)例第四十二頁(yè)，共69頁(yè)。序列長(zhǎng)度的計(jì)算5，運(yùn)行代碼后的結(jié)果展示：借助于其它程序，比如perl，Excel可以獲得下圖第四十三頁(yè)，共69頁(yè)。Seq模塊總結(jié)告訴程序要使用Seq模塊？（即如何產(chǎn)生Seq模塊實(shí)例？）1，直接使用“useBio::Seq;”語(yǔ)句；2，通過(guò)SeqIO模塊中的next_seq方法；3，或者有關(guān)模塊中的有關(guān)方法方法參數(shù)返回值new序列名稱（id）、序列本身（一段字符串）……Seq模塊實(shí)例id無(wú)，或者序列的新名稱序列名稱desc無(wú)，或者序列的新描述序列描述Length無(wú)序列長(zhǎng)度seq無(wú)，或者Seq模塊實(shí)例的新序列序列（用一串字符表示）subseq起始位點(diǎn)，終止位點(diǎn)子序列（一串字符）alphabetDNA，或者RNA，或者protein序列類型Revcom反向互補(bǔ)序列(Seq模塊實(shí)例)translate終止符的表示，frame，密碼子表….(大多數(shù)情況下采用默認(rèn)值)翻譯后的蛋白質(zhì)序列(可以認(rèn)為是Seq模塊實(shí)例)get_SeqFeatures無(wú)一系列的SeqFeatureI模塊實(shí)例第四十四頁(yè)，共69頁(yè)。序列特征表問(wèn)題4：如何解析genbank文件？序列的特征注釋，比序列本身更容易看出生物學(xué)信息序列特征表（Featuretable）序列特征表（Featuretable）genbank文件的內(nèi)容第四十五頁(yè)，共69頁(yè)。序列特征主標(biāo)簽（primary_tag）特征起始位置（start）特征終止位置（end）特征所在的鏈（strand）標(biāo)簽（tag）標(biāo)簽值（tagvalue）第四十六頁(yè)，共69頁(yè)。序列特征表的獲取1，提出問(wèn)題：如何獲取genbank文件中的序列特征表？（實(shí)例4）genbank中的序列特征序列特征列表？第四十七頁(yè)，共69頁(yè)。序列特征表的獲取2，已存在代碼；3，解決方案；4代碼編寫：SeqFeatureI模塊的主要方法均在本例中用到$feature均為SeqFeatureI模塊實(shí)例;@features為一系列SeqFeatureI模塊實(shí)例的集合，包含了序列中所有序列特征第四十八頁(yè)，共69頁(yè)。序列特征表的獲取5，運(yùn)行代碼；結(jié)果展示：1，提出問(wèn)題：如何圖形化顯示序列特征?（實(shí)例5）第四十九頁(yè)，共69頁(yè)。圖形化顯示序列特征2，已存在代碼；3，解決方案；4：代碼編寫：$panel為畫板模塊的實(shí)例;$full_length為SeqFeature模塊的實(shí)例；5，運(yùn)行代碼；結(jié)果同前一張ppt第五十頁(yè)，共69頁(yè)。序列的遠(yuǎn)程獲取實(shí)例6：從公共數(shù)據(jù)庫(kù)（GenBank）獲取序列？$out是SeqIO模塊的一個(gè)實(shí)例$gb是DB::GenBank模塊的一個(gè)實(shí)例DB::GenBank模塊中的主要方法為：get_Seq_by_acc，參數(shù)為AccessionNumberget_Seq_by_gi，參數(shù)為GINumber這兩個(gè)方法都返回Seq模塊的實(shí)例第五十一頁(yè)，共69頁(yè)。序列的遠(yuǎn)程獲取實(shí)例6：從公共數(shù)據(jù)庫(kù)（GenBank）獲取序列的結(jié)果展示第五十二頁(yè)，共69頁(yè)。分析管道1：水稻葉綠體基因組從遠(yuǎn)程數(shù)據(jù)庫(kù)獲取序列序列特征表的表格化顯示序列特征表的圖形化顯示全部CDS核苷酸序列的提取全部CDS蛋白質(zhì)序列的獲取蛋白質(zhì)序列長(zhǎng)度分析已知條件：水稻葉綠體基因組的NCBI登錄號(hào)（AccessionNumber:NC_001320）后續(xù)分析：水稻葉綠體蛋白質(zhì)組的分析….第五十三頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念序列處理 +序列格式介紹+序列文件格式的轉(zhuǎn)換 +DNA序列的翻譯+序列長(zhǎng)度的計(jì)算 +序列特征的提取+序列特征的圖形化顯示 +序列的遠(yuǎn)程獲取+序列處理管道設(shè)計(jì)比對(duì)處理第五十四頁(yè)，共69頁(yè)。OutlinePerl和Bioperl簡(jiǎn)介基本概念序列處理比對(duì)處理 +比對(duì)文件格式的轉(zhuǎn)換 +進(jìn)化距離的計(jì)算 +同義替換率(D_s)和非同義替換率(D_n)的計(jì)算 +序列聯(lián)配的自動(dòng)化進(jìn)行 +比對(duì)處理的管道設(shè)計(jì)第五十五頁(yè)，共69頁(yè)。多序列比對(duì)文件格式Clustalw格式的序列比對(duì)（聯(lián)配）Phylip格式的序列比對(duì)某些軟件對(duì)比對(duì)文件的格式有要求?。?！例如，phylip軟件包就要使用phylip格式的比對(duì)文件第五十六頁(yè)，共69頁(yè)。序列比對(duì)文件格式轉(zhuǎn)換$in是AlignIO模塊的一個(gè)實(shí)例，負(fù)責(zé)輸入$out是AlignIO模塊的一個(gè)實(shí)例，負(fù)責(zé)輸出$aln是AlignI模塊的一個(gè)實(shí)例，儲(chǔ)存序列比對(duì)的信息實(shí)例7：多序列比對(duì)文件格式轉(zhuǎn)換AlignIO和SeqIO模塊很相似AlignIO模塊的主要方法：new,產(chǎn)生一個(gè)AlignIO模塊實(shí)例，參數(shù)為文件名稱和格式；next_aln,順序地讀取一個(gè)比對(duì)到Align模塊實(shí)例中，無(wú)參數(shù)；write_aln,向文件寫入比對(duì)，參數(shù)為Align模塊實(shí)例。AlignI模塊的主要方法？第五十七頁(yè)，共69頁(yè)。序列比對(duì)模塊AlignI模塊的介紹：如何獲取AlignI模塊的實(shí)例？通過(guò)AlignIO模塊實(shí)例從文件中讀取。方法名稱參數(shù)返回值new比對(duì)文件和格式AlignIO模塊實(shí)例length無(wú)比對(duì)的長(zhǎng)度num_sequences無(wú)參與比對(duì)的序列數(shù)目consensus_string閾值(0~1)，默認(rèn)為0一致性序列（字符串表示）consensus_iupac無(wú)獲取IUPAC模糊字符表示的一致性序列column_from_residue_number序列名稱，序列中的位點(diǎn)序列中某個(gè)位點(diǎn)在多序列比對(duì)中的位置each_seq無(wú)獲得一系列Seq模塊實(shí)例，分別對(duì)應(yīng)著比對(duì)中的每個(gè)序列序列比對(duì)完成之后，接下來(lái)該做什么？進(jìn)化距離第五十八頁(yè)，共69頁(yè)。進(jìn)化距離計(jì)算實(shí)例8：計(jì)算比對(duì)序列JukesCantor距離$in為AlignIO模塊的一個(gè)實(shí)例，負(fù)責(zé)讀入比對(duì)；$stats為Align::DNAStatistics模塊的一個(gè)實(shí)例，負(fù)責(zé)對(duì)多序列比對(duì)進(jìn)行統(tǒng)計(jì)分析；$matrix為一矩陣模塊實(shí)例，它以矩陣的形式保存序列之間的進(jìn)化距離JukesCantor距離計(jì)算結(jié)果展示：第五十九頁(yè)，共69頁(yè)。同義和非同義替換率計(jì)算實(shí)例9：計(jì)算同義替換率和非同義替換率calc_all_KaKs_pairs方法計(jì)算所有兩兩序列對(duì)之間同義和非同義替換距離，參數(shù)為一個(gè)AlignI模塊實(shí)例，返回的是一系列的比對(duì)結(jié)果，存放于數(shù)組results中。每個(gè)比對(duì)結(jié)果存放于一個(gè)哈希（Hash）表中。$results為數(shù)組地址，要獲得該地址的數(shù)組使用@$results$key為哈希表的地址，要獲得其中某個(gè)鍵的值，使用$key->{‘鍵’}第六十頁(yè)，共69頁(yè)。DNAStatistics方法總結(jié)Align::DNAStatistics中的主要方法：方法參數(shù)返回值new無(wú)DNAStatistics模塊實(shí)例D_JukesCantorAlignI模塊實(shí)例距離矩陣實(shí)例D_KimuraAlignI模塊實(shí)例距離矩陣實(shí)例D_UncorrectedAlignI模塊實(shí)例距離矩陣實(shí)例TransversionsAlignI模塊實(shí)例兩序列間的顛換TransitionsAlignI模塊實(shí)例兩序列間的轉(zhuǎn)換