The Bioperl toolkitThe Bioperl toolkit

Daniel Guariz Pinheiro

O que é BioPerl ?

Projeto de colaboração open-source internacional (1995- …)

Biblioteca de módulos PerlSoluções em Bioinformática

Tarefas complexas utilizando algumas poucas linhas de códigoLicenciado sob a Perl Artistic License

IntroduçãoIntrodução

Open Bioinformatics Foundation

ReferênciasReferências

1: Stajich JE, Block D, Boulez K, Brenner SE, Chervitz SA, Dagdigian C, Fuellen G, Gilbert JG, Korf I, Lapp H, Lehväslaiho H, Matsalla C, Mungall CJ, Osborne BI, Pocock MR, Schattner P, Senger M, Stein LD, Stupka E, Wilkinson MD, Birney E. The Bioperl toolkit: Perl modules for the life sciences. Genome Res. 2002 Oct;12(10):1611-8.

2: Stein LD, Mungall C, Shu S, Caudy M, Mangone M, Day A, Nickerson E, Stajich JE, Harris TW, Arva A, Lewis S. The generic genome browser: a building block for a model organism system database. Genome Res. 2002 Oct;12(10):1599-610.

3: Stajich JE, Hahn MW. Disentangling the effects of demography and selection in human history. Mol Biol Evol. 2005 Jan;22(1):63-73. Epub 2004 Sep 8.

Sendu BalaChristopher FieldsHilmar LappHeikki LehväslaihoAaron MackeyBrian Osborne

Jason Stajich

Lincoln Stein

Responsáveis BioPerl

Principais artigos científicos

CitaçõesCitações

1998 – meados 2008

~600 (projetos e artigos)

~40 (livros)

3 (patentes)

Paradigma de programaçãoParadigma de programação

RELACIONAMENTO ETROCA DE MENSAGENSENTRE OS OBJETOS

Conceitos - IConceitos - I

Classe:

É a modelagem de um conceito do mundo real (abstração de um objeto).

As propriedades associadas ao conceito são representadas por atributos e operações.

Objeto ou Instância (de uma classe):

É a concretização da classe em uma entidade lógica, que contém dados (atributos) e código para manipulá-los (métodos).

Cada objeto “pertence” a uma classe.

Mensagem:

Comunicação entre objetos.

Se manda uma mensagem a um objeto para pedir a ele executar uma operação particular.

Conceitos - IIConceitos - II

Herança:

(Especialização/generalização) é o mecanismo pelo qual uma classe (sub-classe) pode estender outra classe (super-classe), aproveitando seus métodos e atributos.

No modelo a objetos, uma sub-classe possui todos os atributos e todas as operações da super-classe. A sub-classe pode acrescentar alguns atributos e métodos. Ela pode também redefinir alguns métodos da super-classe. Ela não pode tirar nenhuma propriedade da super-classe.

Polimorfismo:

É o princípio pelo qual duas ou mais classes derivadas de uma mesma superclasse podem invocar métodos que têm a mesma identificação (assinatura) mas comportamentos distinto.

Interface:

A Interface é uma classe que possui apenas as especificações sem a implementação.

Diagrama de ClassesDiagrama de Classes

POO em PerlPOO em Perl

package Sequence;

sub new {my ($class, $id, $seq, $strand) = @_;my $self = bless {}, $class;$self->set_sequence($id,$seq,$strand);return $self;

}

sub set_sequence {my ($self, $id, $seq, $strand) = @_;$self->{'sequence'} = {'id' => $id,

'seq' => $seq,'strand' => $strand};

}

sub display_fasta_sequence {my $self = shift;my $seq = $self->{'sequence'}->{'seq'};$seq=~s/(.{1,60})/$1\n/g;print ">$self->{'sequence'}->{'id'}\n$seq";

}

1;

Sequence.pm

use Sequence;

my $seq = Sequence->new('Seq1','ACCACGATCACATG','+');$seq->display_fasta_sequence();

seq.pl

Definições simplificadas:

Um objeto é simplesmente uma referência à classe a qual ele pertence;

Uma classe é simplesmente um pacote que provê métodos para lidar com as referências do objeto;

Um método é simplesmente uma sub-rotina que espera uma referência ao objeto como primeiro argumento;

CPANCPAN

http://www.cpan.org/

Comprehensive Perl Archive NetworkColeção de módulos em Perl e documentação

Exemplos: • DBD::mysql ; • DBI; • CGI;• GD;

Arquitetura geral do BioPerlArquitetura geral do BioPerl

Programação Orientada a Objetos (POO)

API (Application Programming Interface)

Princípios:

Separação entre Interface e Implementação;

Generalização de rotinas comuns em um único módulo;

Utilização de certos padrões de desenvolvimento reconhecidos (Design Patterns);

Separação entre Interface e Separação entre Interface e ImplementaçãoImplementação

Interface (Tipos Abstratos de Dados)

Contrato de como os métodos devem ser invocados;

I – adicionado ao nome da classe (Ex.: Bio::SeqI e Bio::Seq; Bio::SeqFeatureI e Bio::SeqFeature)

Generalização de rotinas Generalização de rotinas comuns (único módulo)comuns (único módulo)

Exemplos:

Operações básicas de IO (input/output) – Bio::Root::IO

Operações básicas de acesso web – Bio::Root::HTTPget

Utilização de Padrões de Utilização de Padrões de DesenvolvimentoDesenvolvimento

Factory – adição de módulos responsáveis pela criação automática de objetos

Factory – adicionado ao nome da classe (Ex.: Bio::Seq::SeqFactory - Bio::PrimarySeq ou Bio::Seq::Qual)

Strategy – seleção dinâmica de algoritmos

Ex.: next_seq() da classe Bio::SeqIO (Diferentes implementações, uma para cada um dos parsers) – seleção em tempo de execução

CaracterísticasCaracterísticas

Escrito puramente em Perl

Padrão de desenvolvimento rigoroso

Orientações para a padronização do cógido

Testes exaustivos

Documentação (POD - Plain Old Documentation)

perldoc

Requer compilador Perl

v5.005 ou superior

Plataformas suportadas (Sistemas Operacionais)

UNIX-like

Linux, Solaris, FreeBSD, …

Windows

Principais MódulosPrincipais Módulos

Bio::Seq Seqüências e suas propriedades

Bio::SeqFeatureAnotação de seqüências com seus atributos

Bio::DBAcesso a bancos de dados de seqüências

Bio::SeqIOUsado para ler e gravar seqüências em diferentes formatos

Bio::DB::Query::GenBankConsultas a bancos de dados de seqüências (GenBank)

Bio::SearchIO Obter dados de resultados (Ex.: blast)

Bio::LocationManipulação de coordenadas de seqüências

Bio::GraphicsGerar imagens de seqüências e atributos de seqüências

DocumentaçãoDocumentação

http://docs.bioperl.org$ perldoc Bio::SeqIO

Bio::SeqBio::Seq

use Bio::Seq;

my $sequence_as_string = 'ACGTACAGTACAGTACTAGAAACGTA';

my $seqobj = Bio::Seq->new( -display_id => 'my_id',

-seq => $sequence_as_string);

print $seqobj->display_id(),"\n";

print $seqobj->seq(),"\n";

print $seqobj->translate()->seq(),"\n";

print $seqobj->trunc(5,10)->revcom()->seq(),"\n";

my $subseqstr = $seqobj->subseq(5,10);

print $subseqstr,"\n";

my $revcom = $seqobj->revcom();

print $revcom ,"\n";

print $revcom->seq(),"\n";

print $seqobj->desc(),"\n";

Bio::SeqFeature::GenericBio::SeqFeature::Generic

use Bio::Seq; use Bio::SeqFeature::Generic;

my $seqobj = Bio::Seq->new( -display_id => 'my_id', -seq => 'ACGTACAGTACAGTACTAGAAACGTA');

my $feat = new Bio::SeqFeature::Generic ( -start => 5, -end => 15, -strand => -1, -primary_tag => 'repeat', -display_name => 'alu family', -tag=>{ test=>[1,2,3], author=>'someone' } );

$seqobj->add_SeqFeature($feat);

my @features = $seqobj->get_SeqFeatures();

foreach my $feat ( @features ) {

print "Feature ",$feat->primary_tag," starts ",$feat->start," ends ", $feat->end," strand ",$feat->strand,"\n";

print "Feature sequence is ",$feat->seq->seq(),"\n";

foreach my $tag ( $feat->get_all_tags() ) {

print "\t",$tag,"\n";

foreach my $value ( $feat->each_tag_value($tag) ) {

print "\t\t",$value,"\n";

}

}

}

repeat

test

authorsomeone

12

3

primary_tag

tag tag value

tag tag value

Bio::DB::GenBankBio::DB::GenBank

use Bio::DB::GenBank;my $gb = new Bio::DB::GenBank;my $seqobj = $gb->get_Seq_by_acc('J00522'); #my $seqobj = $gb->get_Seq_by_version('J00522.1'); #my $seqobj = $gb->get_Seq_by_gi('195052');

my @features = $seqobj->get_SeqFeatures();foreach my $feat ( @features ) {

print "Feature ",$feat->primary_tag," starts ",$feat->start," ends ",

$feat->end," strand ",$feat->strand,"\n"; print "Feature sequence is ",$feat->seq->seq(),"\n"; foreach my $tag ( $feat->get_all_tags() ) { print "\t",$tag,"\n"; foreach my $value ( $feat->each_tag_value($tag) ) { print "\t\t",$value,"\n"; } }}

Bio::SeqIOBio::SeqIO

use Bio::SeqIO;

my $in = Bio::SeqIO->new( -file => "./NAT2.gbwithparts" );

my $out = Bio::SeqIO->new( -file => ">./NAT2.embl", -format=> 'EMBL' );

while ( my $seq = $in->next_seq() ) { print $seq->display_id(),"\t",$seq->desc(),"\n"; $out->write_seq($seq);}

Bio::DB::Query::GenBankBio::DB::Query::GenBank

use Bio::DB::Query::GenBank;use Bio::DB::GenBank;

# get a stream via a query stringmy $query = Bio::DB::Query::GenBank->new(

-query =>'NAT2[Gene Name] AND Homo sapiens[Organism] AND mRNA[Filter]',

-db => 'nucleotide');my $count = $query->count();

print "Found $count entries\n";

# get a genbank database handlemy $gb = new Bio::DB::GenBank;my $stream = $gb->get_Stream_by_query($query);while (my $seq = $stream->next_seq) {

print $seq->display_id(),"\t",$seq->desc(),"\n";}

Bio::LocationBio::Location

use Bio::SeqIO; my $in = Bio::SeqIO->new( -file => "./ame_ref_chrLG16.gbk" );

while ( my $seq = $in->next_seq() ) { print $seq->display_id, "\n"; for my $feature ( $seq->get_SeqFeatures ) { next unless ( $feature->primary_tag eq 'mRNA'); if ($feature->has_tag('gene')) { my ($name) = $feature->get_tag_values('gene');

my $exonct = 1; print "\t",$name,"\n"; for my $exon ($feature->location->each_Location ) {# print " ",$exon->start, "..",$exon->end,"\n"; my $exonseq = $seq->trunc($exon); $exonseq->display_id($name.".exon".$exonct++);# print "\t\t",$exonseq->display_id(),"\n"; } print "Exon count: $exonct\n"; my $spliced = $feature-

>spliced_seq; print $spliced,"\n“; # print $spliced->seq(),"\n"; } }}

Bio::SearchIOBio::SearchIO

use Bio::SearchIO;my $searchio = new Bio::SearchIO( -format => 'blast', -file => 'blast/blast_output');while( my $result = $searchio->next_result ) { print $result->query_accession(),"\n"; while( my $hit = $result->next_hit ) { print "\t",$hit->accession(),"\t",$hit->description(),"\n"; while( my $hsp = $hit->next_hsp ) { print "\t\t",'Score: ',$hsp->score(),"\n"; print "\t\t",'Identity: ',$hsp->percent_identity(),"\n";

print "\t\t",'e-value: ',$hsp->evalue(),"\n"; print "\t\t",'Query (start,end): ',

$hsp->start('query'),', ',$hsp->end('query'),"\n"; print "\t\t",'Subject (start,end): ',

$hsp->start('subject'),', ',$hsp->end('subject'),"\n"; } }}

Bio::GraphicsBio::Graphics

use Bio::SearchIO; use Bio::Graphics; use Bio::SeqFeature::Generic;

my $searchio = new Bio::SearchIO( -format => 'blast', -file => 'blast/blast_output');

while( my $result = $searchio->next_result ) {

my $query_accession = $result->query_accession();

my $panel = Bio::Graphics::Panel->new(-length => $result->query_length(),-width => 800,

-pad_left=>10, -pad_right=>10);

my $full_length = Bio::SeqFeature::Generic->new(-display_name=>$query_accession,

-start=>1, -end=>$result->query_length());

$panel->add_track($full_length, -glyph => 'arrow', -tick => 2, -fgcolor => 'black',

-double => 1, -label=>1);

my $track = $panel->add_track(-glyph => 'graded_segments', -label => 1, -min_score=>0,

-max_score=>1000);

while( my $hit = $result->next_hit ) {

my $hit_accession = $hit->accession();

while( my $hsp = $hit->next_hsp ) {

my $feature = Bio::SeqFeature::Generic->new(-display_name=> $hit_accession,

-score=> $hsp->score(), -start=> $hsp->start('query'), -end=> $hsp->end('query'));

$track->add_feature($feature);

}

}

open(OUT, ">".$query_accession.'.png'); binmode OUT; print OUT $panel->png; close(OUT);

}

BibliografiaBibliografia

http://java.sun.com/docs/books/tutorial/java/concepts/

http://perldoc.perl.org/perlboot.html

http://www.bioperl.org/

http://www.ncbi.nlm.nih.gov/pubmed/12368254

http://docs.bioperl.org/

http://lgmb.fmrp.usp.br/~daniel/downloads/cvbioinfo2009

http://stein.cshl.org/genome_informatics/BioGraphics/

Perguntas…Perguntas…

Daniel Guariz Pinheiro

daniel@lgmb.fmrp.usp.br

http://lgmb.fmrp.usp.br/~daniel/

ExercíciosExercícios

“There’ s More Than One Way To Do It”

TIMTOWTDI

http://lgmb.fmrp.usp.br/~daniel/downloads/cvbioinfo2009/exercises.txt

Exercício 1Exercício 1

1. Obter e imprimir em um arquivo as seguintes informações do cromossomo 16 de Apis mellifera(ame_ref_chrLG16.gbk):

Número de acesso dos contigs genômicos <TAB> tamanho da seqüência<TAB> símbolo do gene (Ex.: LOC413891)<TAB><TAB> coordenada do exon (Ex.: 8865..9971) <TAB> informação da orientação (strand: plus(1)/minus(-1))

Exemplo:

NW_001253164 745157 LOC408563 666589..666822 1 672756..672973 1 673083..673254 1 673344..673483 1 673847..674257 1 674369..674599 1 674724..675077 1 679210..679317 1 680024..681271 1 681362..681649 1 681734..681958 1 682047..682250 1 682360..682591 1 682805..683048 1

Exercício 2Exercício 2

2. Obter e imprimir em um arquivo as seguintes informações do arquivo de mRNAsdo gene NAT2 (NAT2.gbwithparts) somente para o número de acesso iniciado porNM_ :

Número de acesso GenBankLocalização no cromossomo exon número do exon coordenada (start..end)

Exemplo:

NM_0000158p22 exon 1 1..101 exon 2 102..1317

Exercício 3Exercício 3

3. Fazer uma consulta no GenBank das formas alternativas do gene BRCA1 () através da BioPerl, obter as seguintes informações e imprimir na tela:

Número de acesso<TAB>Descrição<TAB>números dos exons que compõe essa forma alternativa entre ";"

Exemplo:

NM_007305 Homo sapiens breast cancer 1, early onset (BRCA1), transcript variant BRCA1-delta9-10-11b, mRNA. 1b;3;4;5;6;7;8;11a;12;13;14a;15;16;17;18;19;20;21;22;23;24

Exercício 4Exercício 4

4.1 Baixar o arquivo (exercises/ex4/NW_001253146.gbk) com esse contig genômico deApis mellifera extrair a seqüência completa para um outro arquivo (NW_001253146.fas), no formatofasta, e extrair as seqüências dos transcritos após evento de splicing(spliced_seqs) e compor um outro arquivo multi-fasta com essas seqüências(input.fas).

4.2 Após blast entre NW_001253146.fas (database) e input.fas (input). Obter as queries, hits e coordenadas dos hsps, como no exemplo abaixo e imprimir na tela:

Query Subject (hit) subject_start..subject_end

Exemplo:

NW_001253146_2 NW_001253146 881..1435 53..397 635..882 395..638