利用Biopython来进行序列比对

前言

序列比对在生物信息中很常见，通过比较序列的相似度来推测其相关的功能。序列比对一般针对的是两条或者多条序列，可以是DNA、RNA或者蛋白序列，来推测序列间的区域的相似度。

识别相似区域使我们能够推断出许多信息，比如物种之间保存了哪些特征，不同物种在遗传上有多接近，物种是如何进化的等等。Biopython为序列比对提供了广泛的支持。

我们今天从最简单的两条序列比对开始，使用Biopython里面的pairwise2。

两两序列的比对

顾名思义，pairwise2针对两条序列进行比对，来推测序列的相似度。Biopython进行两两比对的模块是Bio.pairwise2。下面我们看几个例子。

from Bio import pairwise2
from Bio.Seq import Seq
seq1 = Seq('ACCGGT')
seq2 = Seq('ACGT')
alignments = pairwise2.align.globalxx(seq1, seq2)
for alignment in alignments: 
    print(alignment)

结果为：

('ACCGGT', 'A-C-GT', 4.0, 0, 6) 
('ACCGGT', 'AC--GT', 4.0, 0, 6) 
('ACCGGT', 'A-CG-T', 4.0, 0, 6) 
('ACCGGT', 'AC-G-T', 4.0, 0, 6)

使用参数

上述例子中，代码都很好理解，只有pairwise2.align.globalxx可能有点费劲，给大家解释一下。

pairwise2.align后，可以是local也可以是global，如果是local模式，可以使用localxx，大家可以自行测试一下。而对于xx有如下参数。

• 第一个x是对于matches的参数，有x/m/d/c几种，如下：

CODE  DESCRIPTION
x     No parameters. Identical characters have score of 1, otherwise 0.
m     A match score is the score of identical chars, otherwise mismatch
      score.
d     A dictionary returns the score of any pair of characters.
c     A callback function returns scores.

• 第二个是对于开gap惩罚的参数；有x/s/d/c几种，如下：

CODE  DESCRIPTION
x     No gap penalties.
s     Same open and extend gap penalties for both sequences.
d     The sequences have different open and extend gap penalties.
c     A callback function returns the gap penalties.

不同的组合可能有不同的参数，大家可以使用以下命令来查看对应的参数，来看看需要传什么参数。

help(pairwise2.align.globalxs)

结果查看

可以使用一下例子

tt = pairwise2.align.globalxx(seq1,seq2)
ss = tt[0]
ss.score ### 比对的分数
ss.seqA
ss.seqB

其中，可以使用score获得比对的分数，根据分数来设定阈值，来确定是否要输出结果。

结语

本文简单介绍了pairwise的用法，希望对大家有所帮助。

参考文献

https://biopython.org/docs/1.75/api/Bio.pairwise2.html

作者：童蒙

编辑：angelica

往期精彩