Dominar Python para Bioinformática

Capítulo 5. Cálculo del contenido de GC: Análisis sintáctico de FASTA y de secuencias

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el Capítulo 1, contaste todas las bases de una cadena de ADN.En este ejercicio, tienes que contar las Gsy Csde una secuencia y dividirlas por la longitud de la secuencia para determinar el contenido de GC, tal y como se describe en la página Rosalind GC. El contenido de GC es informativo de varias maneras. Un nivel de contenido de GC más alto indica una temperatura de fusión relativamente más alta en biología molecular, y las secuencias de ADN que codifican proteínas tienden a encontrarse en regiones ricas en GC. Hay muchas formas de resolver este problema, y todas empiezan utilizando Biopython para analizar un archivo FASTA, un formato de archivo clave en bioinformática. Te mostraré cómo utilizar el módulo Bio.SeqIO para iterar sobre las secuencias del archivo e identificar la secuencia con mayor contenido de GC.

Aprenderás:

• Cómo analizar el formato FASTA con Bio.SeqIO

• Cómo leer STDIN (pronunciado estándar en)

• Varias formas de expresar la noción de bucle for utilizando comprensiones de listas, filter()y map()

• Cómo afrontar los retos del tiempo de ejecución, como la asignación de memoria al analizar archivos grandes

• Más información sobre la función sorted()

• Cómo incluir instrucciones de formato en cadenas de formato

• Cómo utilizar la función sum() para añadir una ...