Biopython学习笔记（一）

对生物狗来说（起码对我来说），学python的目的是解决一些生物学上的问题。那么这有一个软件叫Biopython（官网 https://biopython.org/ ），这个软件可以帮助我们实现这一目的。关于这个软件的使用说明，非常长，如下：

《Biopython-Biopython Tutorial and Cookbook》
英文版下载地址： http://biopython.org/DIST/docs/tutorial/Tutorial.pdf （英文版，2019年12月更新版）
中文版地址： https://biopython-cn.readthedocs.io/zh_CN/latest/index.html （注意中文版是根据英文版2013年版更新的教程翻译的）

本文只记录重点内容，最好还是自己看一下英文原版，练习英语的同时你也可以发现对于你来说最重要的部分！

第一章 介绍

（一）安装Biopython
这我只说最简单的安装方法，前提是你的电脑已经安装了Python（并且安装了pip和numpy）。教程里关于安装这一块也是只有一行代码，是的，你没看错，只有一行代码：

>>> pip install biopython

（二）如何查看Biopython是否可以运行
首先你要先启动你的python：

$ python
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import Bio ##调用你的Biopython软件
>>> print(Bio.__version__)  #查看你的Biopython软件版本号
1.76

如果你这两步没有报错，那么恭喜你，安装成功了。如果没有安装成功，那么在“import Bio”这一步就会报错。

如果你按照上面的步骤，却无法成功安装的话，请看这里： https://biopython.org/wiki/Download
这里给你提供了很多种安装方法。

第二章 快速开始你的Biopython学习旅程（两个例子）

因为在学习过程中需要链接很多数据库，所以请保持网络的畅通！
（1）如何获得互补序列和反向互补序列
在生物信息学里，序列是一个中心的对象了。在Biopython里，处理序列用Seq对象。
来几句最简单的代码先体会一下：

#先打开你的python，我这里是linux系统，直接在ubuntu里打开的
$ python
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from Bio.Seq import Seq
>>> my_seq = Seq("AGTACACTGGT")
>>> my_seq
Seq('AGTACACTGGT')
>>> my_seq.complement()
Seq('TCATGTGACCA')
>>> my_seq.reverse_complement()
Seq('ACCAGTGTACT')

上面可以看到，很简单的代码可以得到一个序列的互补序列和反向互补序列。
（2）如何将获取多条fasta中相同的序列
练习数据在这里： https://raw.githubusercontent.com/biopython/biopython/master/Doc/examples/ls_orchid.fasta

>>> from Bio import SeqIO
>>> for seq_record in SeqIO.parse("/media/yanfang/FYWD/Bioinformatic/Biopython/example.fasta","fasta"):
...     print(seq_record.id) #获取每一个fasta基因的名称
...     print(repr(seq_record.seq))
...     print(len(seq_record))

然后你会得到如下结果：

gi|2765658|emb|Z78533.1|CIZ78533
Seq('CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGG...CGC', SingleLetterAlphabet())
740
.
.
.#这里省略很多行
gi|2765564|emb|Z78439.1|PBZ78439
Seq('CATTGTTGAGATCACATAATAATTGATCGAGTTAATCTGGAGGATCTGTTTACT...GCC', SingleLetterAlphabet())
592

同样，对于从Genebank下载的文件该怎么做？你可以在这里下载练习数据： https://raw.githubusercontent.com/biopython/biopython/master/Doc/examples/ls_orchid.gbk
代码几乎一样：

>>> from Bio import SeqIO
>>> for seq_record in SeqIO.parse("/media/yanfang/FYWD/Bioinformatic/Biopython/ls_orchid.gbk", "genbank"):
...     print(seq_record.id)
...     print(repr(seq_record.seq))
...     print(len(seq_record))

而你得到的结果是这样的：

Z78533.1
Seq('CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGG...CGC', IUPACAmbiguousDNA())
740
......
Z78439.1
Seq('CATTGTTGAGATCACATAATAATTGATCGAGTTAATCTGGAGGATCTGTTTACT...GCC', IUPACAmbiguousDNA())
592

当然Biopython还可以干更多的事情，比如练习数据库，都会在说明书后面的章节里提到。