Python 绘制序列图及其反向补码

我是一名生物信息学家，最近开始学习python，我对绘制图形感兴趣。我有一组节点和边

节点

set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA', 'TTC', 'CCG', 'TCC', 'GAA'])

边缘

当我使用上面的信息构造法线图时，我得到12个节点和10条边，即使用下面的函数得到两个断开连接的图

def visualize_de_bruijn():
    """ Visualize a directed multigraph using graphviz """
    nodes = set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA',      'TTC', 'CCG', 'TCC', 'GAA'])
    edges = [('ACG', 'CGG'), ('CGG', 'GGA'), ('GGA', 'GAA'), ('GAA', 'AAT'), ('AAT', 'ATC'), ('GAT', 'ATT'), ('ATT', 'TTC'), ('TTC', 'TCC'), ('TCC', 'CCG'), ('CCG', 'CGT')]
    dot_str = 'digraph "DeBruijn graph" {\n'
    for node in nodes:
        dot_str += '  %s [label="%s"] ;\n' % (node, node)
    for src, dst in edges:
        dot_str += '  %s -> %s ;\n' % (src, dst)
    return dot_str + '}\n'

在生物学中，我们有互补碱基配对的概念，其中A=T，T=A，G=C，C=G。因此，与‘ACG’互补的是‘TGC’，与‘ACG’＝‘CGT’互补的是‘CGT’，即我们反向互补

nodes = set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA', 'TTC', 'CCG', 'TCC', 'GAA'])
newnodes = set(Node(seq) for seq in nodes)
assert len(newnodes) == 6

在节点列表中，我们看到12个节点，其中6个节点是彼此的反向补充，即

ReverseComplement('ACG') = CGT 
ReverseComplement('CGG') = CCG 
ReverseComplement('GGA') = TCC   
ReverseComplement('GAA') = TTC 
ReverseComplement('AAT') = ATT 
ReverseComplement('ATC') = GAT

---

现在我想构造一个有六个节点的图，一个节点应该有它自己的值和它的反向补码值，总共10条边，即图不应该断开连接。如何在python中使用graphviz可视化此图。？如果除了graphviz之外还有什么其他东西可以帮助我可视化这种类型的图形，请告诉我。？

我不太确定您在这里想要实现什么（请注意，您可能有一个问题，但让我们来回答您的问题，看看它能给我们带来什么

节点应该有自己的值和反向补码值

所以我们需要一些对象来存储一个序列和该序列的逆补码

有。作为一个生物信息学家，你真的应该使用一个适合生物信息学的图书馆，即

然后生成一个反向补码，如下所示：

from Bio.Seq import Seq

seq = 'ATCG'
print str(Seq(seq).reverse_complement()) # CGAT

但是生成

Seq

对象对于这个问题来说可能太麻烦了，所以我只使用下面的标准字典。我们还想比较

节点

对象，所以我们需要重写

\uuuueq\uuuuuu

。因为我们想对唯一的

节点

对象进行

集

，我们需要MENT

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

class Node(object):
    def __init__(self, seq):
        self.seq = seq
        self.revcompl = self.revcompl()

    def revcompl(self):
        complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
        return "".join(complement.get(base, base) for base in reversed(self.seq))

    def __eq__(self, other):
        return self.seq == other.seq or self.revcompl == other.seq

    def __hash__(self):
        return hash(self.seq) ^ hash(self.revcompl)

    def __str__(self):
        return '({}, {})'.format(self.seq, self.revcompl)

因此，现在我们可以将集合或原始节点转换为新节点列表及其反向补码

nodes = set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA', 'TTC', 'CCG', 'TCC', 'GAA'])
newnodes = set(Node(seq) for seq in nodes)
assert len(newnodes) == 6

现在我们需要连接节点。您在问题中没有真正说明如何生成带有边的列表。您发布的内容的可视化看起来确实像您描述的：两个断开连接的图


然而，当我创建一个Debrijn图时，我会两两比较所有序列，看看它们之间是否有重叠，创建一个邻接列表，并从中生成graphviz的点代码

from itertools import product

def suffix(seq, overlap):
    return seq[-overlap:]

def prefix(seq, overlap):
    return seq[:overlap]

def has_overlap_seq(seq1, seq2, overlap=2):
    if seq1 == seq2:
        return False
    return suffix(seq1, overlap) == prefix(seq2, overlap)

def get_adjacency_list_seqs(sequences, overlap=2):
    for seq1, seq2 in product(sequences, repeat=2):
        if has_overlap_seq(seq1, seq2, overlap):
            yield seq1, seq2

def make_dot_plot(adjacency_list):
    """Creates a DOT file for a directed graph."""
    template = """digraph "DeBruijn graph"{{
{}
}}""".format
    edges = '\n'.join('"{}" -> "{}"'.format(*edge) for edge in adjacency_list)
    return template(edges)

如果我对原始的
节点执行此操作

seq_adjacency_list = get_adjacency_list_seqs(nodes)
print make_dot_plot(seq_adjacency_list)

我得到一个单连通图：


因此，我不确定在生成
边
列表的原始实现中是否存在错误，或者您是否试图做一些完全不同的事情

现在，我们可以将前面的代码改编为序列字符串，也可以使用前面创建的
节点
对象

def has_overlap_node(node1, node2, overlap=2):
    if node1 == node2:
        return False
    return suffix(node1.seq, overlap) == prefix(node2.seq, overlap) or \
           suffix(node1.seq, overlap) == prefix(node2.revcompl, overlap) or \
           suffix(node1.revcompl, overlap) == prefix(node2.seq, overlap) or \
           suffix(node1.revcompl, overlap) == prefix(node2.revcompl, overlap)

def get_adjacency_list_nodes(nodes, overlap=2):
    for node1, node2 in product(nodes, repeat=2):
        if has_overlap_node(node1, node2, overlap):
            yield node1, node2

应用这个

nodes_adjacency_list = get_adjacency_list_nodes(newnodes)
print make_dot_plot(nodes_adjacency_list)

产生


它确实有6个节点，但有12个节点，而不是要求的10条边。
networkx很好。我的主要兴趣是从读取中进行从头组装。为此，我创建了一个简单的设置，即基因组“ACGGAATC”及其反向补体，即“GATTCCGT”。我取了所有长度为4的公里数，这将导致10公里的长度。至于边，我从左k-1边到右k-1边，总共10条边。不需要寻找重叠。现在我的问题是节点和边如何创建一个Debrijn图，就像你在上面的解决方案中制作的最后一个图，以及如何进行欧拉行走，这将返回结果基因组及其反向补体。