выравнивание последовательностей с помощью буквенных аннотаций - PullRequest
Новая
       47

выравнивание последовательностей с помощью буквенных аннотаций

3 голосов
/ 10 января 2020

У нас есть 2 последовательности ДНК (строки): 

>1
ATGCAT
135198
>2
ATCAT

Ожидаемый результат: сначала нам нужно выровнять эти 2 строки, затем получить соответствующую аннотацию по индексу: 

ATGCAT
AT-CAT
13-198

Первая часть может быть выполнена с использованием пакета Biostrings : 

library(Biostrings)

p <- DNAString("ATCAT")
s <- DNAString("ATGCAT")
s_annot <- "135198"

x <- pairwiseAlignment(pattern = p, subject = s)

aligned(x)
# A DNAStringSet instance of length 1
#     width seq
# [1]     6 AT-CAT
as.character(x)
# [1] "AT-CAT"
as.matrix(x)
#     [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] "A"  "T"  "-"  "C"  "A"  "T"

Текущее решение для второй части: 

annot <- unlist(strsplit(s_annot, ""))
annot[ which(c(as.matrix(x)) == "-") ] <- "-"
# [1] "1" "3" "-" "1" "9" "8"

Работает нормально, но мне было интересно, есть ли Biostrings способ сделать это (или любые другие пакеты), возможно, сохранив аннотацию в слоте metadata , затем после выравнивания мы получим соответствующую аннотацию для соответствующих баз в метаданные , что-то вроде ниже: 

getSlots("DNAString")
#      shared              offset              length     elementMetadata            metadata 
# "SharedRaw"           "integer"           "integer" "DataTable_OR_NULL"              "list" 

# just an idea, non-working code
s@metadata <- unlist(strsplit(s_annot , ""))
x <- pairwiseAlignment(pattern = p, subject = s)
metadata(x)
# [[1]]
# [1] "1" "3" "-" "1" "9" "8"

Примечание:

  • С разрешения автора украдено у BioStars - https://www.biostars.org/p/415896/
  • Автор хотел био python решение, поэтому добавив тег, опубликуйте python решение, если возможно, тоже .

Ответы [ 2 ]

2 голосов
/ 11 января 2020

По запросу, решение Bio python: 

from Bio import Align

p = "ATCAT"
s = "ATGCAT"
s_annot = "135198"

aligner = Align.PairwiseAligner()
alignment = str(aligner.align(p, s)[0]).split()
middle = alignment.pop(1)
alignment.append("".join(c if m == "|" else m for c, m in zip(s_annot, middle)))

print("\n".join(alignment))

Выход: 

AT-CAT
ATGCAT
13-198
2 голосов
/ 11 января 2020

Возможное решение: 

dna_fun <- function(s, p, a) {
  s <- strsplit(s, "")[[1]]
  p <- strsplit(p, "")[[1]]
  a <- strsplit(a, "")[[1]]
  ls <- length(s)
  lp <- length(p)

  r <- lapply(c(1,seq(lp)), function(x) {
    v <- rep(1, 5)
    v[x] <- 2
    v
  })

  mat <- sapply(r, rep, x = p)
  tfm <- mat == matrix(rep(s, ls), ncol = ls)
  m <- which.max(colSums(tfm))

  p2 <- mat[, m]
  p2[!tfm[,m]] <- "-"

  a[!tfm[,m]] <- "-"

  p2 <- paste(p2, collapse = "")
  a <- paste(a, collapse = "")

  return(list(p2, a))
}

с: 

dna_fun(s1, s2, annot)

Вы получите: 

[[1]]
[1] "AT-CAT"

[[2]]
[1] "13-198"

Если вы иметь соответствующие векторы, которые вы можете использовать Map вместе с dna_fun -функцией: 

s11 <- c("ATGCAT","ATCGAT")
s22 <- c("ATCAT","ATCAT")
annot2 <- c("135198","145892")

lm <- Map(dna_fun, s11, s22, annot2)

data.table::rbindlist(lm, idcol = "dna")

, что дает: 

      dna     V1     V2
1: ATGCAT AT-CAT 13-198
2: ATCGAT ATC-AT 145-92

Данные: 

s1 <- "ATGCAT"
s2 <- "ATCAT"
annot <- "135198"
...