SymPy und Biopython

Notizen

  • SymPy ist eine Bibliothek zum symbolischen Rechnen in der Art eines Computer-Algebra-Systems wie Mathematica oder Maple. Die Webseite SymPyGamma erlaubt die Anwendung von SymPy-Befehlen auf online-Eingaben (ähnlich wie WolframAlpha). Es gibt auch eine einfache interaktive Shell.

  • Wesentlich größer angelegt ist SageMath. Dieses System vereint hinter einer einheitlichen Oberfläche viele Open-Source-Programme für den Umgang mit Mathematik. Die vereinheitlichende Skriptsprache ist Python, und SymPy ist ein wesentlicher Bestandteil des Projekts.

  • Biopython ist ein Paket, das bequeme Funktionen für den Umgang mit Daten in verschiedenen bioinformatischen Standardformaten bereitstellt. Es bietet Schnittstellen für den Zugriff auf Dateien als auch auf Datenbanken im Internet. In der Canopy Python Distribution ist Biopython bereits enthalten. Einen guten Einstieg mit Beispielen finden Sie im Tutorial.

  • ein Beispielskript für das Einlesen von Sequenzdaten aus einer Datei im Fasta-Format

    1
2
3
4
5
6
7
    from Bio import SeqIO #Import der Funktionen fuer die Ein- und Ausgabe von Sequenzdaten

for seq_record in SeqIO.parse("ls_orchid.fasta", "fasta"): # Einlesen aus einer Datei, der Datensatz landet in der Variable seq_record, die von einem speziellen, durch Biopython definierten Sequenztyp ist
    print(seq_record.id) # id ist ein spezieller Parameter des Sequenztyps
    print(repr(seq_record.seq))
    print(len(seq_record))

  • ein Beispielskript, das aus der SwissProt-Datenbank (hier als Datei herunterladen - Achtung, sehr groß!) Einträge mit bestimmten Eigenschaften herausfiltert. Das Skript verwendet aus Geschwindigkeitsgründen nicht die o. g. vollständige Datenbank, sondern nur einen kleinen Auszug, der nur die Proteine mit 95-100 Aminosäuren enthält.

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
    import gzip  # Importieren des gzip-Moduls fuer den unkomplizierten Umgang mit gezippten Dateien
from Bio import SwissProt  # Importieren der Funktionen fuer den Umgang mit Daten im SwissProt-Format


def PDB_entry(record):
    """
    Extrahiert die PDB-Codes aus den Datensaetzen, die auf vorhandene 3D-Strukturen hinweisen
    """
    PDB_found = []
    for entry in record.cross_references:
        if entry[0] == 'PDB':
            PDB_found += [entry[1]]
    return PDB_found

sprothandle = gzip.open(r".\\selected.dat.gz")
# Oeffnen einer gezippten Datei. Der Zugriff erfolgt dann voellig transparent, d.h. man muss sich nicht selber um das Auspacken kuemmern.
# Ggf. müssen Sie den Pfad zur Datei anpassen

# sprothandle = open(r".\\selected.dat")
# Falls Sie das zip-File vorher selber auspacken wollen, öffnen Sie das .dat-File mit diesem Befehl


for record in SwissProt.parse(sprothandle):  # sequentielles Einlesen der einzelnen Datensaetze

    sequence = str(record.sequence)  # Extrahieren der Sequenzinformation fuer den aktuellen Datenbankeintrag

    if sequence.count("C") == 1 and len(sequence) <= 100 and ('3D-structure' in record.keywords):
        # wenn in der Sequenz nur ein Cystein vorkommt, die Sequenz maximal 100 Aminosaeuren lang ist und auf 3D-Strukturen verwiesen wird
        a = record.description
        # print a
        short_desc = a[a.index("RecName: Full=")+14:].split(';')[0]  # Name des Eintrags
        PDBs = PDB_entry(record)  # assoziierte PDB-Codes extrahieren
        print(record.entry_name, PDBs, short_desc)

  • ein Beispielskript zur PubMed-Datenbankabfrage über das Netzwerk

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
    from Bio import Entrez, Medline # Funktionen fuer Entrez und Medline importieren

Entrez.email = "A.N.Other@example.com" # Entrez erwartet eine Nutzeridentifikation

handle = Entrez.esearch(db="pubmed", term="pyruvate oxidase", retmax=3) # Datenbankabfrage von PubMed ueber das Netzwerk. 

record = Entrez.read(handle) # Ergebnis wird einem Dictionary-artigen Objekt zugewiesen

# print record, type(record)

idlist = record["IdList"] # Das Feld IdList enthaelt die Datenbankkennungen

# print idlist

ml_handle = Entrez.efetch(db="pubmed", id=idlist, rettype="medline", retmode="text") # Eintraege koennen jetzt aus Pubmed abgerufen werden

ml_records = Medline.parse(ml_handle)

for entry in ml_records: # Ausgabe von verschiedenen Attributen der einzelnen Datenbankeintraege
    print("title:", entry.get("TI", "?"))
    print("authors:", entry.get("AU", "?"))
    print("source:", entry.get("SO", "?"))
    print()

Aufgaben bis zum nächsten Mal

keine