python生物信息_使用python处理生物信息数据（一）

趁疫情被封闭在家，学习一下python，之前尝试过看过perl的书，代码看得我一脸懵逼，python乍看上去和蔼可亲多了，再加上有个师兄鼓励和推荐学习python，找了这本书Managing Your Biological Data with Python先动起来吧，希望自己能坚持下去。

Managing Your Biological Data with Python

1. Anaconda安装和示例数据

在笔记本wins7上安装了anaconda，用的Spyder进行操作，

这本书是讲的python2，我从Library Genesis搜索下载的英文版，在github上Managing Your Biological Data with Python 3 将书中的示例代码转化为了python3，并提供了示例数据。

2. 一个简单示例，计算ATP的吉布斯自由能

计算ATP的吉布斯自由能，包含了一些基础操作：模块载入，简单的数学计算和查看模块中包含的函数功能和帮助。自己的理解：python模块载入import类似于R语言中library()载入所需的R包，然后可以工作。

#已知数据

ATP = 3.5

ADP = 1.8

Pi = 5.0

R = 0.00831

T = 298

deltaG0 = -30.5

#载入math模块

import math

#计算

print (deltaG0 + R * T * math.log(ADP * Pi / ATP))

-28.161154161098693

#查看math模块中的函数

dir(math)

Out[12]:

['__doc__',

'__loader__',

'__name__',

'__package__',

'__spec__',

'acos',

'acosh',

'asin',

'asinh',

'atan',

'atan2',

'atanh',

'ceil',

'copysign',

'cos',

'cosh',

'degrees',

'e',

'erf',

'erfc',

'exp',

'expm1',

'fabs',

'factorial',

'floor',

'fmod',

'frexp',

'fsum',

'gamma',

'gcd',

'hypot',

'inf',

'isclose',

'isfinite',

'isinf',

'isnan',

'ldexp',

'lgamma',

'log',

'log10',

'log1p',

'log2',

'modf',

'nan',

'pi',

'pow',

'radians',

'remainder',

'sin',

'sinh',

'sqrt',

'tan',

'tanh',

'tau',

'trunc']

#查看math模块使用的帮助

help(math)

Help on built-in module math:

NAME

math

DESCRIPTION

This module provides access to the mathematical functions

defined by the C standard.

FUNCTIONS

acos(x, /)

Return the arc cosine (measured in radians) of x.

acosh(x, /)

Return the inverse hyperbolic cosine of x.

asin(x, /)

Return the arc sine (measured in radians) of x.

asinh(x, /)

Return the inverse hyperbolic sine of x.

atan(x, /)

Return the arc tangent (measured in radians) of x.

...........

#查看math模块中sqrt函数的帮助

help(math.sqrt)

Help on built-in function sqrt in module math:

sqrt(x, /)

Return the square root of x.

3. 常用的数学计算符号以及math模块中的函数功能

数学计算符号

Operator

Meaning

a + b

addition

a – b

subtraction

a * b

multiplication

a/b

division

a ** b

power (ab)

a % b

modulo: the remainder of the division a / b

a // b

floor division, rounds down

a * (b + c)

parentheses, b + c will be done before the multiplication

math模块中的函数功能

Function

Meaning

log(x)

natural logarithm of x (ln x)

log10(x)

decadic logarithm of x (log x)

exp(x)

natural exponent of x (ex)

sqrt(x)

square root of x

sin(x), cos(x)

sine and cosine of x (x given in radians)

asin(x), acos(x)

arcsin and arccos of x (result in radians)

4. 简单示例，计算空间中两点的距离

#载入math模块

from math import *

#(x1, y1, z1)和(x2, y2, z2)两点的坐标

x1, y1, z1 = 0.1, 0.0, -0.7

x2, y2, z2 = 0.5, -1.0, 2.7

#计算每个维度上的距离

dx = x1 - x2

dy = y1 - y2

dz = z1 - z2

#每个维度上距离的平方和

dsquare = pow(dx, 2) + pow(dy, 2) + pow(dz, 2)

#开平方

distance = sqrt(dsquare)

#打印结果

print (distance)

3.566510900025402

5. 简单示例，insulin中不同氨基酸出现的频率

#insulin的部分氨基酸序列

insulin = "GIVEQCCTSICSLYQLENYCNFVNQHLCGSHLVEALYLVCGERGFFYTPKT"

#for循环统计20种氨基酸在insulin序列中出现的次数

for amino_acid in "ACDEFGHIKLMNPQRSTVWY":

number = insulin.count(amino_acid)

print (amino_acid, number)

A 1

C 6

D 0

E 4

F 3

G 4

H 2

I 2

K 1

L 6

M 0

N 3

P 1

Q 3

R 1

S 3

T 3

V 4

W 0

Y 4

#模仿自测

#自己的一段氨基酸序列

in_my = "SJJAKDJAKNCNZMNCNAIUEQIJDAKLMCZNBADIOEQ8RIIOOKALQZ"

for aa in "ACDEFGHIKLMNPQRSTVWY":

number = in_my.count(aa)

print(aa, number)

A 6

C 3

D 3

E 2

F 0

G 0

H 0

I 5

K 4

L 2

M 2

N 5

P 0

Q 3

R 1

S 1

T 0

V 0

W 0

Y 0

6. 字符串的简单操作

6.1 字符串索引

#索引

'Protein'[0]

Out[34]: 'P'

'Protein'[1]

Out[35]: 'r'

'Protein'[2]

Out[36]: 'o'

'Protein'[-1]

Out[37]: 'n'

'Protein'[-2]

Out[38]: 'i'

6.2 字符串切片

'Protein'[0:3]

Out[39]: 'Pro'

'Protein'[1:]

Out[40]: 'rotein'

'Protein'[1:-1]

Out[41]: 'rotei'

6.3 字符串算法

#两个字符串连接到一起

'Protein' + ' ' + 'degradation'

Out[42]: 'Protein degradation'

'Protein' + ' ' + 'w'

Out[46]: 'Protein w'

'Protein' + ' ' + 'f'

Out[47]: 'Protein f'

#字符串成倍增加

'Protein' * 5

Out[48]: 'ProteinProteinProteinProteinProtein'

'Protein ' * 5

Out[50]: 'Protein Protein Protein Protein Protein '

'*' * 20

Out[51]: '********************'

6.4 统计字符串长度

使用len()函数统计字符串长度

len('Protein')

Out[52]: 7

len('insulin')

Out[53]: 7

6.5 统计字符串中某个字符的数量

'protein'.count('r')

Out[54]: 1

'insulin'.count('r')

Out[55]: 0

'insulin'.count('i')

Out[56]: 2

7. 简单示例，创建一个随机序列

#使用random模块创建随机序列

import random

alphabet = "ATCG"

sequence = ""

for i in range(10):

index = random.randint(0,3)

sequence = sequence + alphabet[index]

print(sequence)

GCACAAACCG

8. 简单示例，寻找一段序列的序列motifs

seq = "PRQTEINSEQWENCE"

#seq序列含有15字符，for循环寻找11次，以5个字符长为滑窗。

for i in range(len(seq)-4):

print(seq[i:i+5])

PRQTE

RQTEI

QTEIN

TEINS

EINSE

INSEQ

NSEQW

SEQWE

EQWEN

QWENC

WENCE

#以3个字符长为滑窗寻找序列motifs，如果是DNA序列，这样的处理可以用来将DNA序列转化为氨基酸序列。

for i in range(len(seq)-2):

print(seq[i:i+3])

PRQ

RQT

QTE

TEI

EIN

INS

NSE

SEQ

EQW

QWE

WEN

ENC

NCE