bioinformaticsバイオインフォマティクスの始まり

備考

.GFFファイルパーサー（バッファーとして）行のみを保持するフィルター

""" A [GFF parser script][1] in Python for [www.VigiLab.org][2]

    Description: 
        - That performs buffered reading, and filtering (see: @filter) of .GFF input file (e.g. "[./toy.gff][3]") to keep only rows whose field (column) values are equal to "transcript"...
    
    Args:
        - None (yet)

    Returns:
        - None (yet)

    Related:
        - [1]: https://github.com/a1ultima/vigilab_intergeneShareGFF/blob/master/README.md
        - [2]: http://www.vigilab.org/
        - [3]: https://github.com/a1ultima/vigilab_intergeneShareGFF/blob/master/toy.gff

"""
gene_to_field = {}  # dict whose keys: genes represented (i.e. later slice-able/index-able) as 1..n, values, where n = 8 total #fields (cols) of a gff row, whose version is unknown but example is: https://github.com/a1ultima/vigilab_intergeneShareGFF/blob/master/toy.gff

gene_i = 0

with open("./toy.gff", "r") as fi:

    print("Reading GFF file into: gene_to_field (dict), index as such: gene_to_field[gene_i], where gene_i is between 1-to-n...")

while True: # breaks once there are no more lines in the input .gff file, see "@break"

    line = fi.readline().rstrip() # no need for trailing newline chars ("\n")

    if line == "":  # @break
        break
    
    line_split = line.split("\t") # turn a line of input data into a list, each element = different field value, e.g. [...,"transcript",...]

    if line_split[2] != "transcript": # @@filter incoming rows so only those with "transcript" are not skipped by "continue"
        continue

    gene_i += 1  # indexing starts from 1 (i.e. [1] = first gene) ends at n

    ##@TEST: sometimes 4.00 instead of 4.0 (trivial)   # some @deprecated code, but may be useful one day
    #if not (str(line_split[5])==str(float(line_split[5]))):
    #    print("oops")
    #    print("\t"+str(line_split[5])+"___"+str(float(line_split[5])))


    # create a dict key, for gene_to_field dict, and set its values according to list elements in line_split

    gene_to_field[gene_i] = { \
        "c1_reference_seq":line_split[0],# e.g. 'scaffold_150' \
        "c2_source":line_split[1],# e.g. 'GWSUNI' \
        "c3_type":line_split[2],# e.g. 'transcript' \
        "c4_start":int(line_split[3]),# e.g. '1372' \
        "c5_end":int(line_split[4]),# e.g. '2031' \
        "c6_score":float(line_split[5]),# e.g. '45.89' \
        "c7_strand":line_split[6],# e.g. '+' \
        "c8_phase":line_split[7],# e.g. '.' @Note: codon frame (0,1,2) \
        "c9_attributes":line_split[8]# e.g. <see @gff3.md> \
    }
 

定義

（Wikipedia）バイオインフォマティクスは、生物学的データを理解するための方法とソフトウェアツールを開発する学際的な分野です。学際的な科学分野として、バイオインフォマティクスは、コンピュータサイエンス、統計、数学、およびエンジニアリングを組み合わせて、生物学的データを分析および解釈します。バイオインフォマティクスは、数学的および統計的手法を用いた生物学的クエリーのin silico分析に使用されています。

生物学的問題に答えるためのDNA配列のマッピングの使用

多くの生物学的問題は、DNA配列決定の問題に変換することができます。例えば、遺伝子の発現レベルを知りたければ、そのmRNAを相補的DNA分子にコピーし、得られたDNA分子をそれぞれ配列し、それらの配列を参照ゲノムにマップしてから、重複する配列の数を使用するその発現のプロキシとしての遺伝子（ RNA-seq参照 ）。他の例には、ゲノムの3D構造を決定すること、 ヒストンマークを突き止めること、およびRNA-DNA相互作用をマッピングすることが含まれる 。巧妙なDNA配列決定法で扱われた生物学的な問題の最新のリストはここで見つけることができません。

典型的には、ウェットラボの科学者（白いコートとゴーグルを着ている人々）が、配列決定されたDNAサンプルを得るための実験を設計し、実行する。その後、バイオインフォマティアン（コンピュータを使用してコーヒーを飲む人）は、 FASTQファイルとしてコード化されたこれらの配列を取得し、それらを参照ゲノムにマッピングし、結果をBAMファイルとして保存します 。

遺伝子発現の例に戻ると、これはバイオインフォマティシャンがFASTQファイルからBAMファイルを生成する方法です（Linuxシステムを使用）。

STAR --genomeDir path/to/reference/genome --outSAMtype BAM --readFilesIn my_reads.fastq
 

STARは、スプライス耐性アライナーである（mRNA上に存在し得るエクソン - イントロン接合に必要）。

PS：マッピング結果が取得されると、クリエイティブパートが開始されます。ここでは、バイオインフォマティクスが、データが生物学的に意味のあるパターンまたはノイズから生まれた擬似信号を示しているかどうかをチェックするための統計的テストを考案した。

PDF - Download bioinformatics for free