Petit recueil sources et uniligne pour la Bioinformatique

[Jedai]

http://sysbio.harvard.edu/csb/resour...nal/scriptome/

A cette adresse vous trouverez des tas d'unilignes avec une interface qui permet de trouver le bon, de sorte que vous n'avez plus qu'à copier-coller sur la ligne de commande.

--
Jedaï

[djibril]

Il serait intéressant que l'on crée une section bioinformatique dans les sources de notre rubrique Perl. Mais pour cela, il faudrait que chacun de vous puisse nous donner une petite liste de Questions / Réponses. Cela permettrait d'avoir un recueil de petits codes utilisables par tout le monde et bien centralisé comme c'est déjà le cas pour les autres codes.

J'attends donc que vous puissiez participer à l'élaboration des questions et réponses (non obligatoire si vous n'avez pas la réponse).

Merci par avance de votre participation.

N.B. Il faut que votre Q/R contienne

1. un titre : c'est la question posée ;
2. votre code bien indenté et commenté (pensez aux lecteurs) ;
3. un petit paragraphe d'explication ;
4. si vous utilisez un module, merci de me donner le lien pointant vers ce module ;
5. merci de donner un exemple de fichier d'entrée et/ou sortie si le code en utilise ;
6. et un exemple de résultat en adéquation avec votre code et vos fichiers.

Tout cela permet aux utilisateurs de voir tout de suite le rendu de votre code et de pouvoir le tester en un simple copier/coller.

[Jasmine80]

QUESTION : comment récupérer (proprement) les séquences d'un fichier fasta?

REPONSE : avec le module Bio::SeqIO

BUT : récupérer les identifiants et leur séquence une à une de façon simple et rapide

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#!/usr/bin/perl
 
use strict;
use warnings;
use Bio::SeqIO;
 
 
# fichier d'entrée
my $in  = Bio::SeqIO->new(-file => "test.txt", '-format' => 'Fasta');
 
# fichier de sortie
my $out = Bio::SeqIO->new(-file => ">exit.fas", '-format' => 'Fasta');
 
# récupération des séquences
while ( my $seq = $in->next_seq()){
    my $id = $seq->primary_id ;
    my $sequence = $seq->seq ;
 
    # écriture dans le fichier de sortie
    $out ->write_seq($seq);
}

[Jasmine80]

QUESTION : est-il possible de récupérer des sous-séquences d'un alignement

REPONSE : oui, avec le module :Bio::AlignIO

BUT : permettre de récupérer et d'analyser les séquences une à une en gardant les positions des gaps, on peut donc aussi récupérer un bloc de sous-séquences en gardant leur alignement, mais également obtenir la séquence consensuelle de cet alignement.

Code :

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
use strict;
use warnings;
 
use Bio::AlignIO;
 
 
 
 
# fichier d'entrée
my $inputfilename = "file.fsa";
my $in  = Bio::AlignIO->new(-file => $inputfilename ,
		     '-format' => 'fasta');
 
my $aln = $in->next_aln();
 
# recherche de la séquence consensus à 50%
print $aln->consensus_string(50);
 
 
 
# manipulation de séquences alignées
foreach my $seq ($aln->each_seq) {
 
	# récupération de sous-séquences
	my $res = $seq->subseq(1121,1163);		
 
}

[djibril]

Super jasmine . Peux-tu compléter tes programmes de tous petits fichiers d'exemples. ça me permettra de mettre ton code avec un exemple de fichier fasta et d'alignement. Les gens pourront de ce fait faire un vrai test de tes programmes.

[Jasmine80]

séquences

>A1
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
>A2
TACCAGCGGGATCATTATGCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
>B1
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGATAGATCTGACT
>B2
GATACCAGCCGGATCATTATGCCACATTCTGATCgTGGACCTGCATTATAGATCTGCCCTT
>C1
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
>C2
GATACCAGCGGGATCCTTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT

séquences alignées

>A1/1-60
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
.
>A2/1-57
..TACCAGCGGGATCATTATGC.ACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
.
>B1/1-55
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTG....ATAGATCTGACT.
.
>C1/1-60
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
.
>C2/1-60
GATACCAGCGGGATCCTTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
.
>B2/1-61
GATACCAGCCGGATCATTATGCCACATTCTGATCGTGGACCTGCATTATAGATCTGCCCT
T

[djibril]

Envoyé par Jasmine80

QUESTION : comment récupérer (proprement) les séquences d'un fichier fasta?

REPONSE : avec le module Bio::SeqIO

BUT : récupérer les identifiants et leur séquence une à une de façon simple et rapide

Code :

Il faudrait peut être préciser que Bioperl charge tout le fichier en mémoire, donc en cas de fichiers très très gros, cela peut poser un souci.

[djibril]

La section Bioinformatique est maintenant disponible dans nos sources, à vos claviers pour nous aider à l'alimenter.

Merci Jasmine80 pour tes premières questions/réponses .