O que é Biopython?

Biopython é uma biblioteca ou uma suite de ferramentas, escritas em Python para manipulação de dados biológicos disponível gratuitamente. Desenvolvida pelo Projeto Biopython (http://www.biopython.org), onde no seu site, é fornecido recursos online para módulos, scripts e links da web para desenvolvedores de software baseado em Python para uso e pesquisa em bioinformática.

Seu objetivo

Basicamente, o objetivo do Biopython é facilitar ao máximo o uso do Python para bioinformática, criando módulos e classes reutilizáveis ​​de alta qualidade.

Recursos

Os recursos do Biopython incluem analisadores para vários formatos de arquivo de bioinformática (BLAST, Clustalw, FASTA, Genbank, ...), acesso a serviços online (NCBI, Expasy, ...), interfaces para programas comuns e não tão comuns (Clustalw, DSSP, MSMS ...), uma classe de sequência padrão, vários módulos de agrupamento, uma estrutura de dados em árvore KD etc; e até mesmo documentação.

Exemplos de aplicação:

1 - Trabalhando com sequências:

O objeto central em bioinformática é a sequência. Assim, começaremos com uma introdução rápida aos mecanismos Biopython para lidar com sequências, o objeto (Seq).

# Veja que para utilizar a biblioteca biopython, primeiro temos que instalá-la
!pip3 install biopython

Requirement already satisfied: biopython in /home/d2k/anaconda3/lib/python3.8/site-packages (1.79)
Requirement already satisfied: numpy in /home/d2k/anaconda3/lib/python3.8/site-packages (from biopython) (1.20.1)

# Por enquanto para tratar com sequências, precisaremos importar apenas a ferramenta
# (Seq) da biblioteca biopython
from Bio.Seq import Seq
# Agora criaremos uma variável (minha_sequencia) para receber a sequência especificada
minha_sequencia = Seq('AGTACACTGGT')
print('Minha sequência é:', minha_sequencia)

Minha sequência é: AGTACACTGGT

# Agora vamos mostrar a sequência complementar da amostra (AGTACACTGGT)
# Adenina (A) <-> Timina (T) ; Guanina (G) <-> Citosina (C)
print('Minha sequência complementar é:', minha_sequencia.complement())

Minha sequência complementar é: TCATGTGACCA

# Agora a sequência reversa da complementar (TCATGTGACCA)
print('Minha sequência reversa complementar é:', minha_sequencia.reverse_complement())

Minha sequência reversa complementar é: ACCAGTGTACT

# Analise de quantos nucleotídeos possui cada amostra do arquivo West_Nile_virus.fa
# Observação: É preciso baixar o arquivo em sua máquina e mostrar o caminho até ele
from Bio import SeqIO
for seq_record in SeqIO.parse("/home/d2k/Documents/biopython/Teste/West_Nile_virus.fa", "fasta"):
    print(seq_record.id)
    print(repr(seq_record.seq))
    print(len(seq_record))
    

JN591737
Seq('GTGGATTTGGTTCTCGAAGGCGACAGCTGTGTGACCATCATGTCTAAGGACAAG...ACC')
202
AY944238
Seq('CTGATCGACGGCAAGGGACCAATACGATTCGTGTTGGCTCTCTTGGCGTTCTTC...CTG')
921
KF437832
Seq('GGCCTTCATACACACTAAAGCTTGGAGAGTATGGAGAGGTGACAGTGGACTGTG...GGA')
250
KJ433825
Seq('TGCGGGGTGCCTTCATACACACTAAAGCTTGGAGAGTATGGAGAGGTGACAGTG...TGG')
256

# Saber quantos nucleotídeos existe na amostra do Ebola
from Bio import SeqIO
from Bio.SeqUtils import GC
for seq_record in SeqIO.parse("/home/d2k/Documents/biopython/Teste/Sudan_ebolavirus_isolate_IRF0154_partial_genome.fa", "fasta"):
    print(seq_record.id)
    print(repr(seq_record.seq))
    print('Total de nucleotídeos na amostra:', len(seq_record))
    

KY425644
Seq('TTTTTTATACTTTTTGTGTGCGAATAACTATGAGGAAGATTAATCATTTTCCTC...CTC')
Total de nucleotídeos na amostra: 18836

from Bio.Seq import Seq
from Bio.SeqUtils import GC
my_seq = Seq('TTTTTTATACTTTTTGTGTGCGAATAACTATGAGGAAGATTAATCATTTTCCTCAAACTCAAACTAATAT')
print('Total de nucleotídeos na amostra:', len(my_seq))
print("Total de Adenina ->", my_seq.count("A"))
print("Total de Timina ->", my_seq.count("T"))
print("Total de Guanina ->", my_seq.count("G"))
print("Total de Citosina ->", my_seq.count("C"))
print("Porcentagem de GC ->",GC(my_seq),"%")

Total de nucleotídeos na amostra: 70
Total de Adenina -> 23
Total de Timina -> 29
Total de Guanina -> 8
Total de Citosina -> 10
Porcentagem de GC -> 25.714285714285715 %

Tecnologia utilizadas:

Sistema Operacional Fedora 34, Anaconda, Jupyter Notebook

Para saber mais:

http://biopython.org/DIST/docs/tutorial/Tutorial.html#sec3