Principe

• Collection de module Perl
• Objectif: Faciliter le developpement de scripts Perl pour des applications bioinformatiques
• Open-source via une organisation GitHub
• Soutenu par Open Bioinformatics Foundation

Histoire

• 1996 : Début
• 2002
  • Premier Open Bio Hackathon
  • BioPerl 1.0
  • Article

Actuellement

• GitHub
  • 31 contributeurs
• Dernière release : 1.6.924 en Juillet 2014
• Orienté-objet
• > 40 Modules Perl

Comparaison avec les autres Bio Toolkits

Bio Toolkits

Installation

Installation sous Linux/Mac OS

$ (sudo) cpan -i CPAN
$ cpan
cpan[1]> d /BioPerl/
Reading '/Users/cidam/.cpan/Metadata'
  Database was generated on Thu, 14 Jan 2016 13:53:43 GMT
Distribution    BOZO/Fry-Lib-BioPerl-0.15.tar.gz
Distribution    CDRAUG/Dist-Zilla-PluginBundle-BioPerl-0.20.tar.gz
Distribution    CJFIELDS/BioPerl-1.6.901.tar.gz
Distribution    CJFIELDS/BioPerl-1.6.923.tar.gz
Distribution    CJFIELDS/BioPerl-1.6.924.tar.gz
...
11 items found

cpan[2]> install CJFIELDS/BioPerl-1.6.924.tar.gz

Installation sous Windows

DSSL

Représentation d'une séquence

3 types d'objets pour une séquence

• Bio::PrimarySeq
  • Séquence + nom
  • Fichier fasta

3 types d'objets pour une séquence

• Bio::SeqFeatureI
  • Caractéristique sur une séquence (séquence, localisation et annotation)
  • Entrée simple d'une table de caractéristique EMBL/GenBank/DDBJ

3 types d'objets pour une séquence

• Bio::Seq
  • 1 séquence et une collection de caractéristiques
  • Entrée simple d'une table EMBL/GenBank/DDBJ

Classe Bio::Seq

Classe Bio::Seq

$ perldoc Bio::Seq

NAME
       Bio::Seq - Sequence object, with features

...

DESCRIPTION
   A Seq object is a sequence with sequence features placed on it. 
   The Seq object contains a PrimarySeq object for the actual sequence 
   and also implements its interface.

   ...

Créer d'un objet Bio::Seq

use Bio::Seq;

my $seqobj = Bio::Seq->new(
    -seq => "ACTGTGTGTCC",
    -id => "Chlorella sorokiniana",
    -accession_number => "CAA41635"
);

Méthodes (1)

Méthodes renvoyant des chaines de caractères et acceptant parfois des chaine de caractères pour modifier des propriétés

$seqobj->seq();              # string of sequence
$seqobj->subseq(5,10);       # part of the sequence as a string
$seqobj->accession_number(); # when there, the accession number
$seqobj->alphabet();         # one of 'dna','rna',or 'protein'
$seqobj->version()           # when there, the version
$seqobj->length()            # length
$seqobj->desc();             # description
$seqobj->primary_id();       # a unique id for this sequence regardless
# of its display_id or accession number
$seqobj->display_id();       # the human readable id of the sequence

Méthodes (2)

Méthodes renvoyant des nouveaux objet Bio::Seq

$seqobj->trunc(5,10)  # truncation from 5 to 10 as new object
$seqobj->revcom       # reverse complements sequence
$seqobj->translate    # translation of the sequence

Méthodes (3)

Méthode pour déterminer si une chaine de caractère peut être accepter par la méthode seq()

$seqobj->validate_seq($string)

Manipulation de séquences

$seq = $seqobj->seq();
$length = $seqobj->length();
$subseq = $seqobj->subseq($length/2, $length);
$new_seq = $seq.$subseq;
if($seqobj->validate_seq($new_seq)){
    $seqobj->seq($new_seq);
}
print $seqobj->seq()," ",$seqobj->length()\n";

Que sera affiché?

Traduction

$translated_obj = $seqobj;
if( $seqobj->alphabet() == 'dna'){
    $translated_obj = $seqobj->translate();
}
print $translated_obj->seq(),"\n";

Que sera affiché?

Récupération de statistiques sur une séquence

Classe Bio::Tools::SeqStats

$ perldoc Bio::Tools::SeqStats

NAME
       Bio::Tools::SeqStats - Object holding statistics 
       for one particular sequence

...

DESCRIPTION
   Bio::Tools::SeqStats is a lightweight object for the calculation of
   simple statistical and numerical properties of a sequence. By
   "lightweight" I mean that only "primary" sequences are handled by the
   object.  The calling script needs to create the appropriate primary
   sequence to be passed to SeqStats if statistics on a sequence feature
   are required.  Similarly if a codon count is desired for a frame-
   shifted sequence and/or a negative strand sequence, the calling script
   needs to create that sequence and pass it to the SeqStats object.

   ...

Création

$seq_stats  =  Bio::Tools::SeqStats->new(-seq => $seqobj);

Méthodes

• count_monomers
  • Comptage du nombre de chaque type de monomère
• get_mol_wt
  • Calcul du poids moléculaire
• count_codons
  • Comptage du nombre de chaque type de codons
• hydropathicity
  • Calcul l'hydrophaticité moyenne de Kyte-Doolittle

Classe Bio::SeqIO

$ perldoc Bio::SeqIO

NAME
    Bio::SeqIO - Handler for SeqIO Formats

...

DESCRIPTION
   Bio::SeqIO is a handler module for the formats in the SeqIO set (eg,
   Bio::SeqIO::fasta). It is the officially sanctioned way of getting at
   the format objects, which most people should use.

   The Bio::SeqIO system can be thought of like biological file handles.
   They are attached to filehandles with smart formatting rules (eg,
   genbank format, or EMBL format, or binary trace file format) and can
   either read or write sequence objects (Bio::Seq objects, or more
   correctly, Bio::SeqI implementing objects, of which Bio::Seq is one
   ...

Création d'un objet Bio::SeqIO

Ouverture d'un flux sur le fichier ou la chaine de caractères

Constructeur

Paramètres possibles

• -file
• -string
• -format : fasta, nexus, fastq, quality, excel, raw, tab, ...
• -alphabet : dna, rna ou protein

Méthodes

• next_seq
  • Lecture du prochain objet "séquence" dans le flux
  • Renvoi d'un objet Bio::Seq ou rien si aucune séquence disponible
• write_seq
  • Ecriture d'un object Bio:Seq dans le flux
• format, alphabet, ...

Ecrire de séquences dans un fichier

use Bio::SeqIO;
use Bio::Seq;
my $seqio_obj = Bio::SeqIO->new(-file => '>sequence.fasta', 
    -format => 'fasta' );
my $seqobj = Bio::Seq->new(
    -seq => "ACTGTGTGTCC",
    -id => "Chlorella sorokiniana"
);
$seqio_obj->write_seq($seqobj);
my $seqobj = Bio::Seq->new(
    -seq => "ACTGTGTGTCCTGTGTCC",
    -id => "Modified Chlorella sorokiniana"
);
$seqio_obj->write_seq($seqobj);

Que fait ce code?

Lecture des séquences d'un fichier

use Bio::SeqIO;

$seqio_obj = Bio::SeqIO->new(-file => "sequence.fasta", 
    -format => "fasta" );

while ($seq_obj = $seqio_obj->next_seq){
    print $seq_obj->seq,"\n";
}

Que fait ce code?

Récupération d'une séquence dans une base de données

Bases de données accessibles

Classe Bio::DB::GenBank

$ perldoc Bio::DB::GenBank

NAME
    Bio::DB::GenBank - Database object interface to GenBank

...

DESCRIPTION

    Allows the dynamic retrieval of Bio::Seq sequence objects from the
    GenBank database at NCBI, via an Entrez query

    ...

Constructeur

use Bio::DB::GenBank;

$db_obj = Bio::DB::GenBank->new;

Méthodes

• get_Seq_by_id($unique_id)
• get_Seq_by_acc($accession_number)
• get_Seq_by_version($versioned_accession_number)
• get_Seq_by_gi($genbank_gi_number)

Utiliser le bon identifiant pour la bonne méthode

Récupération d'une séquence dans une base de données

use Bio::DB::GenBank;
use Bio::Seq;

$db_obj = Bio::DB::GenBank->new;

$seq_obj = $db_obj->get_Seq_by_id(2);

print $seq_obj->display_id(),"\n";

Récupération de plusieurs séquences avec des requêtes plus complexes

Bases de données et modules pour les requêtes

Classe Bio::DB::Query::GenBank

$ perldoc Bio::DB::Query::GenBank

NAME
    Bio::DB::Query::GenBank - Build a GenBank Entrez Query

...

DESCRIPTION

    This class encapsulates NCBI Entrez queries.  It can be used to 
    store a list of GI numbers, to translate an Entrez query expression 
    into a list of GI numbers, or to count the number of terms that 
    would be returned by a query.  Once created, the query object can 
    be passed to a Bio::DB::GenBank object in order to retrieve the 
    entries corresponding to the query.

    ...

Création d'un objet Bio::DB::Query::GenBank

Ouverture d'un flux sur des objets Bio::Seq

Constructeur

Paramètres possibles

• -db : protein, nucleotide, ...
• -query
• -mindate
• -maxdate
• -reldate
• -datetype
• -ids
• -maxids

Méthodes

• count
  • Renvoi du nombre de résultats de la requête
• ids
  • Renvoi/Modifie la liste des identifiants des résultats

Récupération de plusieurs séquences

use Bio::DB::GenBank;
use Bio::DB::Query::GenBank;

$query = "Arabidopsis[ORGN] AND topoisomerase[TITL] and 0:3000[SLEN]";
$query_obj = Bio::DB::Query::GenBank->new(-db => 'nucleotide',  
    -query => $query );

$gb_obj = Bio::DB::GenBank->new;

$stream_obj = $gb_obj->get_Stream_by_query($query_obj);

while ($seq_obj = $stream_obj->next_seq) {     
    print $seq_obj->display_id, "\t", $seq_obj->length, "\n";
}

Classe Bio::SearchIO

$ perldoc Bio::SearchIO

NAME
    Bio::SearchIO - Driver for parsing Sequence Database Searches (BLAST,
    FASTA, ...)

...

DESCRIPTION

    This is a driver for instantiating a parser for report files from
   sequence database searches. This object serves as a wrapper for the
   format parsers in Bio::SearchIO::* - you should not need to ever use
   those format parsers directly. (For people used to the SeqIO system it,
   we are deliberately using the same pattern).

    ...

Création d'un objet Bio::Search

Ouverture d'un flux sur le fichier contenant un rapport de recherche

Constructeur

Paramètres possibles

• -file
• -format
• -output_format
• -inclusion_threshold
• -signif
• -check_all_hits
• -min_query_len
• -best

Formats

Méthodes

• next_result
• write_result
• write_report
• result_count
• best_hit_only
• check_all_hits

Représentation des données dans Bio::Search

• Bio::Search
  • Bio::Search::Result
    • Bio::Search::Hit
      • Bio::Search::HSP (high-scoring segment pair)

Méthodes de Bio::Search::Result

• algorithm
• query_name
• query_accession
• query_length
• query_description
• database_name
• available_statistics
• available_parameters
• num_hits
• hits

Méthodes de Bio::Search::Hit

• name
• length
• accession
• description
• algorithm
• raw_score
• significance
• hsps
• num_hsps
• locus
• accession_number

Méthodes de Bio::Search::HSP (1)

• algorithm
• evalue
• expect
• frac_identical
• frac_conserved
• gaps
• query_string
• hit_string
• length('total'/'hit'/'query')
• num_conserved
• num_identical

Méthodes de Bio::Search::HSP (1)

• rank
• seq_inds('hit'/'query', 'identical'/ 'conserved'/ 'conserved-notidentical')
• score
• range('hit'/'query')
• percent_identity
• strand('hit'/'query')
• start('hit'/'query')
• end('hit'/'query')
• matches('hit'/'query')
• get_aln

Parcours d'un fichier issu d'une requête Blast

use Bio::SearchIO;

my $in = new Bio::SearchIO(
    -format => "blast",
    -file => "report.bls");
while(my $result = $in->next_result){
    while(my $hit = $result->next_hit){
        while(my $hsp = $hit->next_hsp){
            print "Query=", $result->query_name,
                " Hit=", $hit->name,
                " Length=", $hsp->length('total'),
                " Percent_id=", $hsp->percent_identity,
                "\n";
        }
    }
}