The Bioperl toolkitThe Bioperl toolkit
Daniel Guariz Pinheiro
O que é BioPerl ?
Projeto de colaboração open-sourceinternacional (1995- …)
Biblioteca de módulos Perl
Soluções em Bioinformática
Tarefas complexas utilizando algumas poucas linhas decódigo
Licenciado sob a Perl Artistic License
IntroduçãoIntrodução
Open Bioinformatics Foundation
ReferênciasReferências
1: Stajich JE, Block D, Boulez K, Brenner SE, Chervitz SA, Dagdigian C,Fuellen G, Gilbert JG, Korf I, Lapp H, Lehväslaiho H, Matsalla C,Mungall CJ, Osborne BI, Pocock MR, Schattner P, Senger M, Stein LD,Stupka E, Wilkinson MD, Birney E. The Bioperl toolkit: Perl modulesfor the life sciences. Genome Res. 2002 Oct;12(10):1611-8.
2: Stein LD, Mungall C, Shu S, Caudy M, Mangone M, Day A, Nickerson E,Stajich JE, Harris TW, Arva A, Lewis S. The generic genome browser:a building block for a model organism system database. GenomeRes. 2002 Oct;12(10):1599-610.
3: Stajich JE, Hahn MW. Disentangling the effects of demography andselection in human history. Mol Biol Evol. 2005 Jan;22(1):63-73.Epub 2004 Sep 8.
Sendu Bala
Christopher Fields
Hilmar Lapp
Heikki Lehväslaiho
Aaron Mackey
Brian Osborne
Jason Stajich
Lincoln Stein
Responsáveis BioPerl
Principais artigos científicos
CitaçõesCitações
1998 – meados 2008
~600 (projetos e artigos)
~40 (livros)
3 (patentes)
Paradigma de programaçãoParadigma de programação
RELACIONAMENTO E
TROCA DE MENSAGENS
ENTRE OS OBJETOS
Conceitos - IConceitos - I
Classe:
É a modelagem de um conceito do mundo real (abstraçãode um objeto).
As propriedades associadas ao conceito são representadas poratributos e operações.
Objeto ou Instância (de uma classe):
É a concretização da classe em uma entidade lógica, quecontém dados (atributos) e código para manipulá-los(métodos).
Cada objeto “pertence” a uma classe.
Mensagem:
Comunicação entre objetos.
Se manda uma mensagem a um objeto para pedir a ele executaruma operação particular.
Conceitos - IIConceitos - II
Herança:
(Especialização/generalização) é o mecanismo pelo qual umaclasse (sub-classe) pode estender outra classe (super-classe),aproveitando seus métodos e atributos.
No modelo a objetos, uma sub-classe possui todos os atributos e todas asoperações da super-classe. A sub-classe pode acrescentar alguns atributos emétodos. Ela pode também redefinir alguns métodos da super-classe. Ela nãopode tirar nenhuma propriedade da super-classe.
Polimorfismo:
É o princípio pelo qual duas ou mais classes derivadas de umamesma superclasse podem invocar métodos que têm a mesmaidentificação (assinatura) mas comportamentos distinto.
Interface:
A Interface é uma classe que possui apenas as especificaçõessem a implementação.
Diagrama de ClassesDiagrama de Classes
POO em PerlPOO em Perl
package Sequence;
sub new {
my ($class, $id, $seq, $strand) = @_;
my $self = bless {}, $class;
$self->set_sequence($id,$seq,$strand);
return $self;
}
sub set_sequence {
my ($self, $id, $seq, $strand) = @_;
$self->{'sequence'} = {'id' => $id,
'seq' => $seq,
'strand' => $strand};
}
sub display_fasta_sequence {
my $self = shift;
my $seq = $self->{'sequence'}->{'seq'};
$seq=~s/(.{1,60})/$1\n/g;
print ">$self->{'sequence'}->{'id'}\n$seq";
}
1;
Sequence.pm
use Sequence;
my $seq = Sequence->new('Seq1','ACCACGATCACATG','+');
$seq->display_fasta_sequence();
seq.pl
Definições simplificadas:
Um objeto é simplesmente uma referência àclasse a qual ele pertence;
Uma classe é simplesmente um pacote queprovê métodos para lidar com asreferências do objeto;
Um método é simplesmente uma sub-rotinaque espera uma referência ao objeto comoprimeiro argumento;
CPANCPAN
Comprehensive Perl Archive Network
Coleção de módulos em Perl e documentação
Exemplos:
•DBD::mysql ;
•DBI;
•CGI;
•GD;
Arquitetura geral do BioPerlArquitetura geral do BioPerl
Programação Orientada a Objetos (POO)
API (Application Programming Interface)
Princípios:
Separação entre Interface eImplementação;
Generalização de rotinas comuns emum único módulo;
Utilização de certos padrões dedesenvolvimento reconhecidos (DesignPatterns);
Separação entre Interface eImplementaçãoSeparação entre Interface eImplementação
Interface (Tipos Abstratos deDados)
Contrato de como os métodosdevem ser invocados;
I – adicionado ao nome da classe(Ex.: Bio::SeqI e Bio::Seq;Bio::SeqFeatureI e Bio::SeqFeature)
Generalização de rotinascomuns (único módulo)Generalização de rotinascomuns (único módulo)
Exemplos:
Operações básicas de IO(input/output) – Bio::Root::IO
Operações básicas de acessoweb – Bio::Root::HTTPget
Utilização de Padrões deDesenvolvimentoUtilização de Padrões deDesenvolvimento
Factory – adição de módulos responsáveispela criação automática de objetos
Factory – adicionado ao nome da classe(Ex.: Bio::Seq::SeqFactory -Bio::PrimarySeq ou Bio::Seq::Qual)
Strategy – seleção dinâmica de algoritmos
Ex.: next_seq() da classe Bio::SeqIO(Diferentes implementações, uma paracada um dos parsers) – seleção emtempo de execução
CaracterísticasCaracterísticas
Escrito puramente em Perl
Padrão de desenvolvimento rigoroso
Orientações para a padronização do cógido
Testes exaustivos
Documentação (POD - Plain Old Documentation)
perldoc
Requer compilador Perl
v5.005 ou superior
Plataformas suportadas (Sistemas Operacionais)
UNIX-like
Linux, Solaris, FreeBSD, …
Windows
Principais MódulosPrincipais Módulos
Bio::Seq
Seqüências e suas propriedades
Bio::SeqFeature
Anotação de seqüências com seusatributos
Bio::DB
Acesso a bancos de dados deseqüências
Bio::SeqIO
Usado para ler e gravar seqüências emdiferentes formatos
Bio::DB::Query::GenBank
Consultas a bancos de dados deseqüências (GenBank)
Bio::SearchIO
Obter dados de resultados (Ex.: blast)
Bio::Location
Manipulação de coordenadas deseqüências
Bio::Graphics
Gerar imagens de seqüências eatributos de seqüências
Bio::SeqBio::Seq
use Bio::Seq;
my $sequence_as_string = 'ACGTACAGTACAGTACTAGAAACGTA';
my $seqobj = Bio::Seq->new(-display_id => 'my_id',
-seq => $sequence_as_string);
print $seqobj->display_id(),"\n";
print $seqobj->seq(),"\n";
print $seqobj->translate()->seq(),"\n";
print $seqobj->trunc(5,10)->revcom()->seq(),"\n";
my $subseqstr = $seqobj->subseq(5,10);
print $subseqstr,"\n";
my $revcom = $seqobj->revcom();
print $revcom ,"\n";
print $revcom->seq(),"\n";
print $seqobj->desc(),"\n";
Bio::SeqFeature::GenericBio::SeqFeature::Generic
use Bio::Seq; use Bio::SeqFeature::Generic;
my $seqobj = Bio::Seq->new(-display_id => 'my_id', -seq => 'ACGTACAGTACAGTACTAGAAACGTA');
my $feat = new Bio::SeqFeature::Generic (-start => 5, -end => 15,-strand => -1, -primary_tag=> 'repeat', -display_name => 'alu family', -tag=>{ test=>[1,2,3], author=>'someone' } );
$seqobj->add_SeqFeature($feat);
my @features = $seqobj->get_SeqFeatures();
foreach my $feat ( @features ) {
print "Feature ",$feat->primary_tag," starts ",$feat->start," ends ", $feat->end," strand",$feat->strand,"\n";
print "Feature sequence is ",$feat->seq->seq(),"\n";
foreach my $tag ( $feat->get_all_tags() ) {
print "\t",$tag,"\n";
foreach my $value ( $feat->each_tag_value($tag) ) {
print "\t\t",$value,"\n";
}
}
}
repeat
test
author
someone
1
2
3
primary_tag
tag
tag value
tag
tag value
Bio::DB::GenBankBio::DB::GenBank
use Bio::DB::GenBank;
my $gb = new Bio::DB::GenBank;
my $seqobj = $gb->get_Seq_by_acc('J00522');
#my $seqobj = $gb->get_Seq_by_version('J00522.1');
#my $seqobj = $gb->get_Seq_by_gi('195052');
my @features = $seqobj->get_SeqFeatures();
foreach my $feat ( @features ) {
print "Feature ",$feat->primary_tag," starts ",$feat->start,"
ends ",
$feat->end," strand ",$feat->strand,"\n";
print "Feature sequence is ",$feat->seq->seq(),"\n";
foreach my $tag ( $feat->get_all_tags() ) {
print "\t",$tag,"\n";
foreach my $value ( $feat->each_tag_value($tag) ) {
print "\t\t",$value,"\n";
}
}
}
Bio::SeqIOBio::SeqIO
use Bio::SeqIO;
my $in = Bio::SeqIO->new( -file => "./NAT2.gbwithparts"
);
my $out = Bio::SeqIO->new( -file => ">./NAT2.embl",
-format=> 'EMBL' );
while ( my $seq = $in->next_seq() ) {
print $seq->display_id(),"\t",$seq->desc(),"\n";
$out->write_seq($seq);
}
Bio::DB::Query::GenBankBio::DB::Query::GenBank
use Bio::DB::Query::GenBank;
use Bio::DB::GenBank;
# get a stream via a query string
my $query = Bio::DB::Query::GenBank->new(
-query =>'NAT2[Gene Name] AND
Homo sapiens[Organism] AND mRNA[Filter]',
-db => 'nucleotide');
my $count = $query->count();
print "Found $count entries\n";
# get a genbank database handle
my $gb = new Bio::DB::GenBank;
my $stream = $gb->get_Stream_by_query($query);
while (my $seq = $stream->next_seq) {
print $seq->display_id(),"\t",$seq->desc(),"\n";
}
Bio::LocationBio::Location
use Bio::SeqIO;
my $in = Bio::SeqIO->new( -file => "./ame_ref_chrLG16.gbk" );
while ( my $seq = $in->next_seq() ) {
print $seq->display_id, "\n";
for my $feature ( $seq->get_SeqFeatures ) {
next unless ( $feature->primary_tag eq 'mRNA');
if ($feature->has_tag('gene')) {
my ($name) = $feature->get_tag_values('gene');
my $exonct = 1;
print "\t",$name,"\n";
for my $exon ($feature->location->each_Location ) {
# print " ",$exon->start, "..",$exon->end,"\n";
my $exonseq = $seq->trunc($exon);
$exonseq->display_id($name.".exon".$exonct++);
# print "\t\t",$exonseq->display_id(),"\n";
}
print "Exon count: $exonct\n"; my $spliced = $feature->spliced_seq;
print $spliced,"\n“;
# print $spliced->seq(),"\n";
}
}
}
Bio::SearchIOBio::SearchIO
use Bio::SearchIO;
my $searchio = new Bio::SearchIO( -format => 'blast',
-file => 'blast/blast_output');
while( my $result = $searchio->next_result ) {
print $result->query_accession(),"\n";
while( my $hit = $result->next_hit ) {
print "\t",$hit->accession(),"\t",$hit->description(),"\n";
while( my $hsp = $hit->next_hsp ) {
print "\t\t",'Score: ',$hsp->score(),"\n";
print "\t\t",'Identity: ',$hsp->percent_identity(),"\n";
print "\t\t",'e-value: ',$hsp->evalue(),"\n";
print "\t\t",'Query (start,end): ',
$hsp->start('query'),', ',$hsp->end('query'),"\n";
print "\t\t",'Subject (start,end): ',
$hsp->start('subject'),', ',$hsp->end('subject'),"\n";
}
}
}
Bio::GraphicsBio::Graphics
use Bio::SearchIO; use Bio::Graphics; use Bio::SeqFeature::Generic;
my $searchio = new Bio::SearchIO( -format => 'blast', -file => 'blast/blast_output');
while( my $result = $searchio->next_result ) {
my $query_accession = $result->query_accession();
my $panel = Bio::Graphics::Panel->new(-length => $result->query_length(),-width => 800,
-pad_left=>10, -pad_right=>10);
my $full_length = Bio::SeqFeature::Generic->new(-display_name=>$query_accession,
-start=>1, -end=>$result->query_length());
$panel->add_track($full_length, -glyph => 'arrow', -tick => 2, -fgcolor => 'black',
-double => 1, -label=>1);
my $track = $panel->add_track(-glyph => 'graded_segments', -label => 1, -min_score=>0,
-max_score=>1000);
while( my $hit = $result->next_hit ) {
my $hit_accession = $hit->accession();
while( my $hsp = $hit->next_hsp ) {
my $feature = Bio::SeqFeature::Generic->new(-display_name=> $hit_accession,
-score=> $hsp->score(), -start=> $hsp->start('query'), -end=> $hsp->end('query'));
$track->add_feature($feature);
}
}
open(OUT, ">".$query_accession.'.png'); binmode OUT; print OUT $panel->png; close(OUT);
}
BibliografiaBibliografia
ExercíciosExercícios
“There’ s More Than One Way To Do It”
TIMTOWTDI
Exercício 1Exercício 1
1. Obter e imprimir em um arquivo as seguintes informações do cromossomo 16 de Apis mellifera
(ame_ref_chrLG16.gbk):
Número de acesso dos contigs genômicos <TAB> tamanho da seqüência
<TAB> símbolo do gene (Ex.: LOC413891)
<TAB><TAB> coordenada do exon (Ex.: 8865..9971) <TAB> informação da
orientação (strand: plus(1)/minus(-1))
Exemplo:
NW_001253164 745157
LOC408563
666589..666822 1
672756..672973 1
673083..673254 1
673344..673483 1
673847..674257 1
674369..674599 1
674724..675077 1
679210..679317 1
680024..681271 1
681362..681649 1
681734..681958 1
682047..682250 1
682360..682591 1
682805..683048 1
Exercício 2Exercício 2
2. Obter e imprimir em um arquivo as seguintes informações do arquivo de mRNAs
do gene NAT2 (NAT2.gbwithparts) somente para o número de acesso iniciado por
NM_ :
Número de acesso GenBank
Localização no cromossomo
exon número do exon coordenada (start..end)
Exemplo:
NM_000015
8p22
exon 1 1..101
exon 2 102..1317
Exercício 3Exercício 3
3. Fazer uma consulta no GenBank das formas alternativas do gene BRCA1 () através da BioPerl, obter asseguintes informações e imprimir na tela:
Número de acesso<TAB>Descrição<TAB>números dos exons que compõe essa forma alternativa entre ";"
Exemplo:
NM_007305 Homo sapiens breast cancer 1, early onset (BRCA1), transcript variant BRCA1-delta9-10-11b, mRNA. 1b;3;4;5;6;7;8;11a;12;13;14a;15;16;17;18;19;20;21;22;23;24
Exercício 4Exercício 4
4.1 Baixar o arquivo (exercises/ex4/NW_001253146.gbk) com esse contig genômico de
Apis mellifera extrair a seqüência completa para um outro arquivo (NW_001253146.fas), no formato
fasta, e extrair as seqüências dos transcritos após evento de splicing
(spliced_seqs) e compor um outro arquivo multi-fasta com essas seqüências
(input.fas).
4.2 Após blast entre NW_001253146.fas (database) e input.fas (input). Obter as queries, hits ecoordenadas dos hsps, como no exemplo abaixo e imprimir na tela:
Query
Subject (hit)
subject_start..subject_end
Exemplo:
NW_001253146_2
NW_001253146
881..1435
53..397
635..882
395..638