python - 绘制序列及其反向互补图

Question

我是一名生物信息学家，最近开始学习 Python，我对绘制图形感兴趣。我有一组节点和边。

节点

set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA', 'TTC', 'CCG', 'TCC', 'GAA'])

边缘

[('ACG', 'CGG'), ('CGG', 'GGA'), ('GGA', 'GAA'), ('GAA', 'AAT'), ('AAT', 'ATC'), ('GAT', 'ATT'), ('ATT', 'TTC'), ('TTC', 'TCC'), ('TCC', 'CCG'), ('CCG', 'CGT')]

当我使用上述信息构建法线图时，我得到 12 个节点和 10 个边，即使用以下函数的两个断开连接的图。

def visualize_de_bruijn():
    """ Visualize a directed multigraph using graphviz """
    nodes = set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA',      'TTC', 'CCG', 'TCC', 'GAA'])
    edges = [('ACG', 'CGG'), ('CGG', 'GGA'), ('GGA', 'GAA'), ('GAA', 'AAT'), ('AAT', 'ATC'), ('GAT', 'ATT'), ('ATT', 'TTC'), ('TTC', 'TCC'), ('TCC', 'CCG'), ('CCG', 'CGT')]
    dot_str = 'digraph "DeBruijn graph" {\n'
    for node in nodes:
        dot_str += '  %s [label="%s"] ;\n' % (node, node)
    for src, dst in edges:
        dot_str += '  %s -> %s ;\n' % (src, dst)
    return dot_str + '}\n'

在生物学中，我们有互补碱基配对的概念，其中 A=T、T=A、G=C 和 C=G。因此，'ACG' 的补码是 'TGC'，'ACG' 的反补码是 'CGT'，即我们反转补码。

在节点列表中，我们看到 12 个节点，其中 6 个节点彼此反向互补，即

ReverseComplement('ACG') = CGT 
ReverseComplement('CGG') = CCG 
ReverseComplement('GGA') = TCC   
ReverseComplement('GAA') = TTC 
ReverseComplement('AAT') = ATT 
ReverseComplement('ATC') = GAT

现在我想构造一个有六个节点的图，一个节点应该有自己的值及其反向补值和总共 10 条边，即图不应断开。如何在 python 中使用 graphviz 可视化该图？如果除了 graphviz 之外还有其他任何东西可以帮助我可视化这种类型的图表，请告诉我。？

Answer 1

我不太确定你想在这里完成什么(所以请注意，你可能有一个 XY problem) 但让我们回答你的问题，看看它会给我们带来什么。

a node should have its own value and its reverse complement value

所以我们需要一些对象来存储序列和该序列的反向补集。

有different ways of making the reverse complement of a sequence 。作为一名生物信息学家，您确实应该使用适合生物信息学的库，即 BioPython 。

然后进行反向补码如下所示:

from Bio.Seq import Seq

seq = 'ATCG'
print str(Seq(seq).reverse_complement()) # CGAT

但是生成 Seq 对象对于这个问题可能有点过分了，所以我只使用下面的标准字典。我们还希望将 Node 对象相互比较，因此我们需要重写 __eq__。因为我们想要创建一组唯一的 Node 对象，所以我们还需要实现 __hash__。为了 pretty-print ，我们还实现了__str__。

class Node(object):
    def __init__(self, seq):
        self.seq = seq
        self.revcompl = self.revcompl()

    def revcompl(self):
        complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
        return "".join(complement.get(base, base) for base in reversed(self.seq))

    def __eq__(self, other):
        return self.seq == other.seq or self.revcompl == other.seq

    def __hash__(self):
        return hash(self.seq) ^ hash(self.revcompl)

    def __str__(self):
        return '({}, {})'.format(self.seq, self.revcompl)

现在我们可以将集合或原始节点转换为新节点列表及其反向补集。

nodes = set(['ACG', 'ATC', 'GAT', 'CGG', 'CGT', 'AAT', 'ATT', 'GGA', 'TTC', 'CCG', 'TCC', 'GAA'])
newnodes = set(Node(seq) for seq in nodes)
assert len(newnodes) == 6

现在我们需要连接节点。您并没有在问题中真正说明如何生成带有边缘的列表。您发布的内容的可视化看起来确实像您所描述的那样:两个断开连接的图表。

但是，当我创建 DeBruijn 图时，我会成对比较所有序列，看看它们之间是否有重叠，创建一个邻接列表，并从中生成 graphviz 的 DOT 代码。

from itertools import product

def suffix(seq, overlap):
    return seq[-overlap:]

def prefix(seq, overlap):
    return seq[:overlap]

def has_overlap_seq(seq1, seq2, overlap=2):
    if seq1 == seq2:
        return False
    return suffix(seq1, overlap) == prefix(seq2, overlap)

def get_adjacency_list_seqs(sequences, overlap=2):
    for seq1, seq2 in product(sequences, repeat=2):
        if has_overlap_seq(seq1, seq2, overlap):
            yield seq1, seq2

def make_dot_plot(adjacency_list):
    """Creates a DOT file for a directed graph."""
    template = """digraph "DeBruijn graph"{{
{}
}}""".format
    edges = '\n'.join('"{}" -> "{}"'.format(*edge) for edge in adjacency_list)
    return template(edges)

如果我对您的原始节点执行此操作，

seq_adjacency_list = get_adjacency_list_seqs(nodes)
print make_dot_plot(seq_adjacency_list)

我得到一个连接图:

所以我不确定您生成 edges 列表的原始实现中是否存在错误，或者您是否尝试做完全不同的事情。

现在，我们可以调整之前的序列字符串代码，以便也可以使用我们之前创建的 Node 对象。

def has_overlap_node(node1, node2, overlap=2):
    if node1 == node2:
        return False
    return suffix(node1.seq, overlap) == prefix(node2.seq, overlap) or \
           suffix(node1.seq, overlap) == prefix(node2.revcompl, overlap) or \
           suffix(node1.revcompl, overlap) == prefix(node2.seq, overlap) or \
           suffix(node1.revcompl, overlap) == prefix(node2.revcompl, overlap)

def get_adjacency_list_nodes(nodes, overlap=2):
    for node1, node2 in product(nodes, repeat=2):
        if has_overlap_node(node1, node2, overlap):
            yield node1, node2

应用这个

nodes_adjacency_list = get_adjacency_list_nodes(newnodes)
print make_dot_plot(nodes_adjacency_list)

生成

它确实有 6 个节点，但有 12 个，而不是请求的 10 个边。