Help
Biopython
Bio.SeqFeature
#
Find similar titles
- (rev. 4)
- lca
Structured data
- Category
- Programming
Biopython에서 서열 레코드 객체는 서열 그 자체에 대한 정보 뿐만 아니라 서열의 이름, description, 일부의 경우 annotation, sub feature 정보를 포함한다 (Biopython/Bio.SeqRecord 참고).
SeqFeature 객체를 이용하여 서열 레코드 객체에 gene, CDS 등 새로운 feature 정보를 추가할 수 있는데 다음과 같은 경우 유용하게 이용될 수 있다.
- GFF 파일과 FASTA 파일을 이용하여 Genbank 파일을 생성하는 경우
- augustus는 대표적인 gene prediction tool로써 유전자 구조 예측을 위하여 종 특이적인 매트릭스를 필요로 한다. 대표적인 종의 경우 기구축된 매트릭스를 제공하고 있으나 de novo 종의 경우 사용자가 직접 생성할 수 있도록 etraining이라는 프로그램을 별도로 제공한다. 이때 etraining의 입력 파일이 Genbank 파일 포맷이어야 한다. RNAseq이나 Reference Protein을 genome에 맵핑 후 full length로 얻어지는 evidence gene model (GFF) 정보를 이용하여 training을 위한 Genbank 파일을 만들 수 있다.
- 이미 만들어진 Genbank 파일에 새로운 feature (gene, CDS, mRNA, UTR 등) 정보를 추가하는 경우
SeqFeature 객체를 이용하기 위해서는 먼저 다음과 같이 객체를 불러와야 한다. FeatureLocation 객체는 각 feature의 위치 정보를 입력할 때 필요하므로 함께 호출되도록 한다.
>>> from Bio.SeqFeature import SeqFeature, FeatureLocation
SeqFeature는 서열 격체에 정보를 추가하는 것이므로 서열 객체의 존재가 필수적이다. "genbank"라고 이름지어진 서열 객체에 feature 정보를 입력하는 방법은 다음과 같다. 참고로 augustus training을 위한 Genbank 파일 생성시에는 source feature를 먼저 추가해주어야 한다.
>>> feature = SeqFeature(FeatureLocation(start=0, end=50)), type='source')
생성된 feature를 genbank 서열 객체에 추가한다.
>>> genbank.features.append(feature)
gene feature를 생성하고 genbank 서열 객체에 추가해보자. 이때 각 feature의 방향성 (strand) 정보가 같이 입력되어야 하며, 정방향일 경우 +1, reverse complement일 경우 -1을 입력해야 한다.
>>> SeqFeature(FeatureLocation(start=5, end=30), type='gene', strand=-1)
>>> genbank.features.append(feature)
하나의 유전자에 여러 CDS가 존재하는 경우 각각의 FeatureLocation을 생성 후 병합하여 하나의 SeqFeature로 추가할 수 있다.
>>> for index, (sp,ep) in enumerate(cds_pos):
if index == 0:
combined = FeatureLocation(sp-1, ep)
else:
combined = combined + FeatureLocation(sp-1, ep)
>>> feature = SeqFeature(combined, type='CDS', strand=-1, qualifiers={'translate':'MVNVPKERRTYC'})
>>> genbank.features.append(feature)
이렇게 만들어진 Genbank 서열 객체는 Biopython/Bio.SeqIO 객체를 이용하여 파일에 쓸 수 있다 (output format은 'genbank'로 설정한다).
>>> SeqIO.write(genbank, output, 'genbank')
Genbank 파일은 비교적 간단한 FASTA 파일과 달리 다양한 정보를 포함하고 있고 들여쓰기 및 공백의 유무가 중요하게 작용한다. Python과 같은 프로그래밍 언어에 능통하다면 굳이 Biopython을 이용하지 않고도 충분히 생성이 가능하지만 Biopython을 이용한다면 실행 오류와 코딩 라인을 줄일 수 있어 훨씬 유용할 것이다.
