序列图及其逆补图的绘制

Question

我是一名生物信息专家，最近开始学习蟒蛇，我对绘制图形感兴趣，我有一组节点和边缘。

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')]

当我利用上述信息构造正规图时，得到了12个节点和10个边，即使用以下函数构造的两个不连通图。

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，我们有一个互补碱基配对的概念，其中A=T，T=A，G=C，C=G，所以'ACG‘是'TGC’，相反是'ACG‘= 'CGT’，即我们反转补语。

在节点列表中，我们看到12个节点，其中6个节点是反向互补的，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，一个节点应该有它自己的值，它的反向补值和总共10个边，即图不应该断开。如何在python中使用graphviz可视化这个图？如果除了graphviz之外，还有什么可以帮助我可视化这种图形的话，请告诉我。？

Answer 1

我不太清楚你想在这里完成什么(所以请注意，你可能有一个XY问题)，但让我们拿出你的问题，看看它能给我们带来什么。)

节点应该有它自己的值和它的反向补值。

所以我们需要一些对象来存储一个序列和这个序列的反向补充。

有序列反向补码的不同方法。作为一名生物信息专家，您确实应该使用一个适合生物信息学的库，即BioPython。

然后进行反向补语，如下所示：

from Bio.Seq import Seq

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

但是生成Seq对象可能会导致这个问题，所以我只使用下面的标准字典。我们还希望比较Node对象和其他对象，因此需要重写__eq__。而且，由于我们希望生成一个由唯一的set对象组成的Node，所以我们也需要实现__hash__。对于漂亮的打印，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)

因此，现在我们可以将集合或原始节点转化为新节点列表，并将它们反向补充。

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。你并没有在你的问题中真正说明你是如何生成带边的列表的。您发布的内容的可视化看起来确实与您所描述的一样:两个断开连接的图形。

​

​

但是，当我创建一个DeBruijn图时，我会对所有序列进行配对比较，看看它们之间是否有任何重叠，创建一个邻接列表，并由此生成图形的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)

如果我这么做是为了你原来的nodes，

seq_adjacency_list = get_adjacency_list_seqs(nodes)
print make_dot_plot(seq_adjacency_list)

我得到一个连通图：

​

​

因此，我不确定在生成edges列表的原始实现中是否出现了错误，或者您是否试图完全执行其他操作。

现在，我们可以对前面的序列字符串代码进行调整，以处理我们之前创建的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，但不是请求的10个边，而是12个节点。