BioinfoTool 🧬

Содержание 📜

• Описание
• Структура проекта
• Установка
• Фильтрация FastQ-файлов
• Классы для работы с биологическими последовательностями
• Использование

BioinfoTool — это утилита для анализа биологических последовательностей и фильтрации FASTQ‑файлов с использованием библиотеки Biopython. В данном проекте реализованы функции для работы с FASTQ‑файлами, а также классы для представления и обработки последовательностей ДНК, РНК и белков.

Важно: В текущей версии весь функционал находится в одном файле main.py. Ранее проект использовал пакет modules, который был удалён.

---

Структура проекта

BioinfoTool/ ├── BioInfo_Tool/ │ ├── init.py │ ├── bio_files_processor.py
│ └── main.py # Модуль с функциями и классами для работы с FASTQ и последовательностями ├── data/ # Папка с тестовыми/примерными данными │ └── example.fastq ├── tests/ # Тесты проекта │ ├── init.py │ ├── conftest.py │ ├── test_main.py │ ├── data/ │ └── fastq_filtrator_results/ │── fastq_filtrator_results ├── requirements.txt # Зависимости проекта └── README.md

Установка 📦

1. Клонируйте репозиторий:

git clone git@github.com:Gulya-mur/BioinfoTool.git
cd BioinfoTool

2. Установите необходимые зависимости (см. requirements.txt)

pip install -r requirements.txt

В файле main.py содержится следующий функционал:

1. Функции для работы с FASTQ‑файлами

• write
  Сохраняет отфильтрованные данные в виде FASTQ‑файла. Функция принимает словарь, где ключом является заголовок, а значением — кортеж из строки последовательности, комментария и строки с качеством. Результирующий файл сохраняется в поддиректории fastq_filtrator_results, расположенной в той же папке, что и входной файл.

• filter_fastq
  Фильтрует записи из входного FASTQ‑файла по следующим критериям:

  • GC-содержание: определяется с использованием gc_fraction (в процентах).
  • Длина последовательности: проверяется, что длина находится в заданном диапазоне.
  • Качество: среднее значение Phred‑33 должно быть не ниже порога.

  Функция сохраняет отфильтрованные записи с помощью save_file_at_dir и возвращает общее количество исходных прочитанных записей и количество записей, прошедших фильтрацию.

2. Классы для работы с биологическими последовательностями

• BiologicalSequence (абстрактный класс)
  Определяет базовый интерфейс для всех последовательностей:

  • Поддержка функций len(), индексирования и срезов.
  • Красивое представление через методы __str__ и __repr__.
  • Абстрактный метод is_valid(), который проверяет корректность символов последовательности.

• NucleicAcidSequence
  Наследуется от BiologicalSequence и реализует методы:

  • complement() — возвращает комплементарную последовательность.
  • reverse() — возвращает перевёрнутую последовательность.
  • reverse_complement() — сначала вычисляет комплементарную последовательность, а затем возвращает её перевёрнутый вариант.

  Здесь используются защищённые атрибуты _alphabet и _nucl_complement_map, определяемые в наследниках.

• DNASequence
  Наследник NucleicAcidSequence для работы с ДНК:

  • Определён алфавит: {'A', 'T', 'G', 'C'}.
  • Реализована словаврь комплементарности.
  • Метод transcribe() — транскрибирует ДНК в РНК, возвращая объект класса RNASequence.

• RNASequence
  Аналогичен DNASequence, но для РНК:

  • Алфавит: {'A', 'U', 'G', 'C'}.
  • Словарь комплементарности настроена для РНК.

• AminoAcidSequence
  Наследник BiologicalSequence для белковых последовательностей:

  • Определён алфавит из 20 стандартных аминокислот.
  • Метод transform_to_three_letters() преобразует последовательность из однобуквенных кодов в трёхбуквенные обозначения (без разделителей).

---

Примеры использования

Работа с последовательностями

Пример создания объекта ДНК, вычисления обратного комплемента и транскрипции:

# Пример работы с ДНК
dna = DNASequence("ATGC")
print(f"Исходная ДНК: {dna}")                         # Вывод: ATGC
print(f"Обратная комплементарная ДНК: {dna.reverse_complement()}")  

print(f"Транскрибированная РНК: {dna.transcribe()}")    # Вывод: соответствующая РНК последовательность