第1章 介绍

1.1 什么是Biopython？

Biopython工程是一个使用Python来开发计算分子生物学工具的国际团体。(http://www.python.org) Python是一种面向对象的、解释型的、灵活的语言，在计算机科学中日益流行。Python易学，语法明晰，并且能很容易的使用以C，C++或 者FORTRAN编写的模块实现扩展。

Biopython官网(http://www.biopython.org)为使用和研究生物信息学的开发者提供了一个在线的 资源库，包括模块、脚本以及一些基于Python的软件的网站链接。一般来讲，Biopython致力于通过创造高质量的和可重复利用的模块及 类，从而使得Python在生物信息学中的应用变得更加容易。Biopython的特点包括解析各种生物信息学格式的文件(BLAST， Clustalw， FASTA， Genbank...)，访问在线的服务器(NCBI，Expasy...)，常见和不那么常见程序的接口(Clustalw， DSSP，MSMS...)，标准的序列类，各 种收集的模块，KD树数据结构等等，还有一些文档。

基本来说，我们喜欢使用Python来编程，并且希望通过创建高质量、可复用的模块和脚本来使得Python在生物信息学中的应用变得容易。

1.2 在Biopython包中我能发现什么？

主要的Biopython发行版本有很多种功能，包括：

  • 将生物信息学文件解析为Python可用的数据结构，包含以下支持的格式：
    • Blast输出结果 – standalone和在线Blast
    • Clustalw
    • FASTA
    • GenBank
    • PubMed和Medline
    • ExPASy文件, 如Enzyme和Prosite
    • SCOP, 包括‘dom’和‘lin’文件
    • UniGene
    • SwissProt
  • 被支持格式的文件可以通过记录来重复或者通过字典界面来索引。
  • 处理常见的生物信息学在线数据库的代码：
    • NCBI – Blast, Entrez和PubMed服务
    • ExPASy – Swiss-Prot和Prosite条目, 包括Prosite搜索
  • 常见生物信息学程序的接口，例如：
    • NCBI的Standalone Blast
    • Clustalw比对程序
    • EMBOSS命令行工具
  • 一个能处理序列、ID和序列特征的标准序列类。
  • 对序列实现常规操作的工具，如翻译，转录和权重计算。
  • 利用k最近邻接、Bayes或SVM对数据进行分类的代码。
  • 处理比对的代码，包括创建和处理替换矩阵的标准方法。
  • 分发并行任务到不同进程的代码。
  • 实现序列的基本操作，翻译以及BLAST等功能的GUI程序。
  • 使用这些模块的详细文档和帮助，包括此文件，在线的wiki文档，网站和邮件列表。
  • 整合BioSQL，一个也被BioPerl和BioJava支持的数据库架构。

我们希望这些能给你足够的理由去下载并开始使用Biopython！

1.3 安装Biopython

Biopython的所有安装信息在此文档中分开，以便于更容易保持更新。

简短的版本去我们的下载页面(http://biopython.org/wiki/Download), 下载并安装所列举的dependencies，然后下载并安装Biopython。Biopython能在多种平台上运行（Windows，Mac，各种版本的Linux和Unix）。 对于Windows我们提供预编译的一键式安装程序，而对Unix和其他操作系统，你必须按照附带的README文件从源开始安装。这通常 是很简单的，只要标准命令：

python setup.py build
python setup.py test
sudo python setup.py install

（事实上你可以跳过build和test，直接install。但最好是确保所有的东西看起来都没问题。）

我们的安装说明的详细版本包括了Python的安装，Biopython dependencies的安装以及Biopython本身的安装。可从PDF (http://biopython.org/DIST/docs/install/Installation.pdf) 和HTML格式获得。 (http://biopython.org/DIST/docs/install/Installation.html)。

1.4 常见问答（FAQ）

  1. 在科学出版中我怎样引用Biopython？

    请引用我们的应用笔记 [1, Cock et al. , 2009] 作为主要的Biopython参考文献。另外，如果可以，请 引用以下任意出版物，特别是作为Biopython特定模块的参考文献的话。 （更多信息可在我们网站上获得）：

    • 对于官方项目声明: [13, Chapman and Chang, 2000];
    • 对于 Bio.PDB: [18, Hamelryck and Manderick, 2003];
    • 对于 Bio.Cluster: [14, De Hoon et al., 2004];
    • 对于 Bio.Graphics.GenomeDiagram: [2, Pritchard et al., 2006];
    • 对于 Bio.Phylo 和 Bio.Phylo.PAML: [9, Talevich et al., 2012];
    • 对于在Biopython，BioPerl，BioRuby，BioJava和EMBOSS支持的FASTQ格 式文件：[7, Cock et al., 2010].

  2. 我该怎样以大写字母写“Biopython”？写成“BioPython”可以吗？

    正确的大写是“Biopython”而不是“BioPython”（虽然对于BioPerl，BioRuby 和BioJava是这样）。

  3. 我怎样查看自己安装的Biopython的版本？

    使用以下代码：

    >>> import Bio
>>> print Bio.__version__
...

    如果 “import Bio” 这行报错，说明Biopython未被安装。如果第二行报错， 你的版本已经很过时了。如果版本号以“+”号结束，说明你用的并不是官方版本，而 是开发代码的快照。

  4. 此文档的最新版本在哪里？

    如果你下载的是一个Biopython源代码包，那么它将包含此文档HTML和PDF两种格式 的相应版本。此文档最新出版的版本可通过在线获得（每个版本的更新）：

    如果你使用的是从我们库中获得的尚未发布的最新代码，你可以在这里找到还在开发中 的教程的拷贝：

  5. 我需要哪一个“Numerical Python”？

    对于Biopython 1.48或更早的版本，你需要老的Numeric模块。对于Biopython 1.49 及更高的版本，你需要更新的NumPy来代替。Numeric和NumPy都可以在同一台机器上安 装。也可以访问： http://numpy.scipy.org/

  6. 为什么 Seq 对象缺少了这篇教程里的（反向）transcription和translation方法？

    你需要Biopython 1.49或更新的版本。或者，使用以下 3.14 部分中的 Bio.Seq 模块 功能。

  7. 为什么 Seq 对象缺少了这篇教程中的upper和lower方法？

    你需要Biopython 1.53或更新版本。或者，使用 str(my_seq).upper() 来获得 大写字符串。如果你需要一个Seq对象，试试 Seq(str(my_seq).upper()) ，但是 要小心重用相同的字母。

  8. 为什么 Seq 对象的translation方法不支持本教程中描述的 cds 选项？

    你需要Biopython 1.51或更新版本。

  9. 为什么 Bio.SeqIO 不能正常工作？它导入正常但是没有解析函数等。

    你需要Biopython 1.43或更新版本。较老的版本确实包含了一些相关的代码在 Bio.SeqIO 下面但是后来就被移除了——这就是为什么import是正常的。

  10. 为什么 Bio.SeqIO.read() 不能正常工作？该模块导入正常但是并没有read函数！

    你需要Biopython 1.45或更新的版本。或者，使用 Bio.SeqIO.parse(...).next() 来代替。

  11. 为什么没有 Bio.AlignIO ？模块导入失败！

    你需要Biopython 1.46或更新的版本。

  12. Bio.SeqIO 和 Bio.AlignIO 读写什么样的文件格式？

    请检查内建文档（from Bio import SeqIO，然后 help(SeqIO) ），或见wiki上的最 新条目： http://biopython.org/wiki/SeqIO 以及 http://biopython.org/wiki/AlignIO

  13. 为什么 Bio.SeqIO 和 Bio.AlignIO 的input函数不让我提供一个序列字母？

    你需要Biopython 1.49或更新版本。

  14. 为什么 Bio.SeqIO 和 Bio.AlignIO 函数 parse ， read 和 write 不能使用文件名？它们坚持句柄！

    你需要Biopython 1.54或更新的版本。或者明确使用句柄。 (见 Section 22.1). 一定要记得当你写完数据后关闭输 出句柄。

  15. 为什么 Bio.SeqIO.write() 和 Bio.AlignIO.write() 函数不接受单个记录 或比对？它们坚持需要一个列表或迭代器！

    你需要Biopython 1.54或更新版本，或将该条目以 [...] 包起来形成一个单元素的列表。

  16. 为什么 str(...) 不给我一个 Seq 对象的全序列？

    你需要Biopython 1.45或更新的版本。或者，与其使用 str(my_seq)，不如试试 my_seq.tostring() 这也能在最近的Biopython版本上工作）。

  17. 为什么 Bio.Blast 不能处理最新的NCBI blast输出文本文件结果？

    NCBI在不断的调整BLAST工具的纯文本输出，导致我们的解析器需要不断更新。 如果你没使用最新版本的Biopython，你可以试试升级。但是，我们（还有NCBI）推荐你使用 HTML格式输出来代替，因为HTML是设计给电脑程序读取的。

  18. 为什么 Bio.Entrez.read() 不能正常工作？模块导入正常但是没有read函数！

    你需要Biopython 1.46或更新的版本。

  19. 为什么 Bio.Entrez.parse() 不能正常工作？模块导入正常但是没有parse函数！

    你需要Biopython 1.52或更新的版本。

  20. 为什么我的脚本使用了 Bio.Entrez.efetch() 便停止工作了？

    这可能是由于NCBI在2012年2月引进EFetch 2.0后发生了改变。首先，他们改变了默认的返回方式—— 你可能想添加 retmode="text" 到你的call。其次，他们对于怎么提供一个ID列表变得更加严格—— Biopython 1.59及之后版本或自动将一个列表转换成逗号分隔的字符串。

  21. 为什么 Bio.Blast.NCBIWWW.qblast() 没有给出与NCBI BLAST网站上相同的结果？

    你需要指定相同的选项——NCBI经常调整网站上的默认设置，并且他们不再匹配QBLAST的默认设置了。 请检查gap罚分和期望值阈值。

  22. 为什么 Bio.Blast.NCBIXML.read() 不正常工作？模块导入了但是没有read函数！

    你需要Biopython 1.50或更新的版本。或者，使用 Bio.Blast.NCBIXML.parse(...).next() 代替。

  23. 为什么我的 SeqRecord 对象没有一个 letter_annotations 的属性？

    Per-letter-annotation已经被加入到Biopython 1.50中。

  24. 为什么我无法切片我的 SeqRecord 来获取一个子记录？ 你需要Biopython 1.50或更新版本。

  25. 为什么我无法一起添加 SeqRecord 对象？

    你需要Biopython 1.53或更新版本。

  26. 为什么 Bio.SeqIO.convert() 或 Bio.AlignIO.convert() 不能正常工作？模块导入 正常但是没有convert函数！

    你需要Biopython 1.52或更新版本。或者，按以下教程中描述的结合 parse 和 write 函数。 （见 Sections 5.5.2 和 6.2.1）。

  27. 为什么 Bio.SeqIO.index() 不能正常工作？模块导入正常但是没有index函数！

    你需要Biopython 1.52或更新版本。

  28. 为什么 Bio.SeqIO.index_db() 不能正常工作？模块导入正常但是没有 index_db 函数！

    你需要Biopython 1.57或更新版本。（有SQLite3的Python支持）

  29. MultipleSeqAlignment 对象在哪里？ Bio.Align 模块导入正常但是这个类不在那里！

    你需要Biopython 1.54或更新版本。或者，较早的 Bio.Align.Generic.Alignment 类支持它的一些功能， 但是现在不推荐使用这个。

  30. 为什么我不能直接从应用程序包装器上运行命令行工具？

    你需要Biopython 1.55或更新版本。或者，直接使用Python的 subprocess 模块。

  31. 我看到过一个代码的目录，但是我找不到那个能干嘛的代码了。它藏在哪儿了？

    我们知道，我们的代码存放在 __init__.py 文件里。如果你此前没有在这个文件里寻找代码那么这可能会 让人困惑。我们这样做的原因是为了让用户更容易导入。比如，不一定要像 from Bio.GenBank import GenBank 来导入一个“repetitive”，你仅需使用 from Bio import GenBank 就行。

  32. 为什么CVS的代码貌似过期了？

    2009年9月下旬，在Biopython 1.52发布之后，我们从使用CVS转变为使用git，git是一个分散式的版本控制系统。 旧的CVS服务仍可作为静态和只读备份，但是如果你想获取最新的代码，你需要使用git。详见我们的网站获取更多 信息。

对于更一般的问题，Python FAQ页面 http://www.python.org/doc/faq/ 可能会有帮助。