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Python 绘制序列图及其反向补码,python,graph,graphviz,bioinformatics,Python,Graph,Graphviz,Bioinformatics,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 multi
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。