![[Toho University]](image/CLogo_Kihon_process.jpg "[Toho University]")
|
Pythonバイオ/ツール/SnapGeneに食わすhttp://pepper.is.sci.toho-u.ac.jp/pepper/index.php?Python%A5%D0%A5%A4%A5%AA%2F%A5%C4%A1%BC%A5%EB%2FSnapGene%A4%CB%BF%A9%A4%EF%A4%B9 |
![[YYLAB]](image/yamanouc2.png "[YYLAB]")
|
|
|
Pythonバイオ/ツール/SnapGeneに食わすhttp://pepper.is.sci.toho-u.ac.jp/pepper/index.php?Python%A5%D0%A5%A4%A5%AA%2F%A5%C4%A1%BC%A5%EB%2FSnapGene%A4%CB%BF%A9%A4%EF%A4%B9 |
|
Pythonバイオ? Pythonバイオ/ツール?
1769 2019-08-22 (木) 09:03:40
リクエストがあったこと： 外部で得たデータをSnapGeneで表示する
SnapGeneではGenBank形式のアノテーションを含むデータを表示することができる。 表示したい情報をGenBank形式のファイルに追加することによって、SnapGeneに表示 指せることを考える。
具体的にはたとえば、変異情報（SNIP, In/Delなど）の情報を追加し、該当する場所に 表示する。
また、別の（過去の）SnapGeneデータ（＝xxx.dnaファイル）に追記されているPrimer情報を移す。これはSnapGeneのPrimerのExport/Inportの機能を使えばできるのだが、 １ファイルずつ移すのは面倒なので、うまく移せないか。
GenBankファイルのフィーチャーとして、
misc_featureは、いわば「その他のフィーチャー」であるから、SnapGeneでは追加の フィーチャーとして表示されるが、格段の処理は無いようだ。GenBankでの書き方は、
misc_feature 311
/label="DEL"
/note=" T->*"
のような感じで、311は配列上の位置情報、labelはラベル表示、noteは追記情報として マウスオンで表示される。これらの情報をGenBankファイルに適宜書込めばよい。
なお、通常はGenBankファイル上のさまざまなフィーチャー情報は位置の順にソートされ ているが、SnapGeneは必ずしもソートを要求していない。たとえばmisc_featureだけ 集めてフィーチャーの終わりに追加しても、正しく表示される。なお、位置でソートする こともbiopythonでは容易に行える。
また、primer_bindも同様に、
primer_bind 2732..2801
/label="ups thrB70 5'-PS4"
/note="ups thrB70 5'-PS4
AATGACGTTACAGCTGCCGGTGTCTTTGCTGATCTGCTACGTACCCTCTCATGGAAGTT
AGGAGTCTGACATTCCGGGGATCCGTCGACC"
のようにフィーチャーとして書き足せばSnapGeneの配列表示の画面に表示される。 ただし、もし移した先の配列の位置が異なっていれば、primerを貼り付ける位置も変える 必要がある。（大腸菌の例では環状なので全体の向きが逆になっており、位置がことごとく 変ってしまったケースがある。）この場合は、正しい貼り付け位置を求めた上で、 上記のprimer_bindのレコードを書く必要がある。
ところで、primer_bindが書き込めるのはよいのだが、ここに1つ問題がある。 SnapGeneではGenBankデータ上のprimer_bindの記述は追加フィーチャーと同じ扱いで、 SnapGene上のprimerとしては扱われない。GenSnapの配列表示上でprimerの記号にも ならないし、primerのシートにも載らない。
言い換えると、GenBankファイル上のprimer_bindの情報は、SnapGene上のprimer情報 としては反映されない。これは逆向きもしかりで、SnapGeneから吐き出したGenBankデータ は、primer情報は上記の情報（位置、ラベル、ノート）しか持たない。
というわけで、GenBank上で加工しておいてSnapGeneのprimerデータに反映させることは うまくいかなかった。
SnapGeneのデータはdnaファイルという形式で保存される。ここに何が書かれているか？
dnaファイルの形式については、ネットでは記述が見つからなかった。またテキスト エディタで見るとバイナリ形式である。つまり、何らかの形式記述が見つからないと 解読すらできない。
参考になったのが、PythonのライブラリPyPIでの2つのライブラリ（読み出し専用）で、
ソースを見ると、どちらもprimerの記述部分は解読をスキップする（それ以外にも 普通に興味の無さそうなところは皆スキップし、たとえばシーケンス部分だけを 取出すなどの操作を想定している。）
それで、primer部分をあてずっぽうに解釈してみる。他のフィールドもXML形式なので、 同じXMLパーザを介して辞書形式に落とす。
elif ord(next_byte) == 5:
# READ THE PRIMERS
block_content = fileobject.read(block_size).decode('utf-8')
primer_data = parse_dict(xmltodict.parse(block_content))
data['Primers'] = primer_data['Primers']
この加筆をした上で、 from mysnapgene_reader import snapgene_file_to_dict, snapgene_file_to_seqrecord
filepath = './mytest.dna' dict = snapgene_file_to_dict(filepath) print(dict['Primers'].keys()) import pprint as pp d = dict['Primers'] dd = d['Primer'] print(dd.keys()) pp.pprint(dd)
結果を見ると、かなり多くの情報を含んでいることが分かるうえ、これらの情報を 作り出さなければならない。annealiedBasesとかmeldingTempreratureとか hybridizedRangeとか、いろいろと求めなければならないらしい。
odict_keys(['@recentID', '@name', '@sequence', '@description', '@dateAdded', 'BindingSite'])
OrderedDict([('@recentID', '0'),
('@name', 'TestPrimerNY'),
('@sequence', 'TTATAAGCAgttcgagt'),
('@description', ''),
('@dateAdded', '2019-08-20T05:34:31Z'),
('BindingSite',
[OrderedDict([('@location', '1261985-1261996'),
('@boundStrand', '0'),
('@annealedBases', 'AGCgttcgagt'),
('@meltingTemperature', '33'),
('Component',
[OrderedDict([('@bases', 'TTATA')]),
OrderedDict([('@hybridizedRange',
'1261985-1261987'),
('@bases', 'AGC')]),
OrderedDict([('@bases', 'A')]),
OrderedDict([('@hybridizedRange',
'1261989-1261996'),
('@bases', 'gttcgagt')])])]),
OrderedDict([('@location', '1490680-1490689'),
('@boundStrand', '0'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'1490680-1490689'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@location', '2474407-2474416'),
('@boundStrand', '0'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'2474407-2474416'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@location', '401796-401809'),
('@boundStrand', '1'),
('@annealedBases', 'AAGCAgttcgagt'),
('@meltingTemperature', '33'),
('Component',
[OrderedDict([('@bases', 'TTAT')]),
OrderedDict([('@hybridizedRange',
'401805-401809'),
('@bases', 'AAGCA')]),
OrderedDict([('@hybridizedRange',
'401796-401803'),
('@bases', 'gttcgagt')])])]),
OrderedDict([('@location', '451228-451237'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'451228-451237'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@location', '1414375-1414384'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'1414375-1414384'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@location', '2529410-2529419'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '36'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'2529410-2529419'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@location', '4065918-4065927'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '36'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'4065918-4065927'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '1261985-1261996'),
('@boundStrand', '0'),
('@annealedBases', 'AGCgttcgagt'),
('@meltingTemperature', '33'),
('Component',
[OrderedDict([('@bases', 'TTATA')]),
OrderedDict([('@hybridizedRange',
'1261985-1261987'),
('@bases', 'AGC')]),
OrderedDict([('@bases', 'A')]),
OrderedDict([('@hybridizedRange',
'1261989-1261996'),
('@bases', 'gttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '1490680-1490689'),
('@boundStrand', '0'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'1490680-1490689'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '2474407-2474416'),
('@boundStrand', '0'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'2474407-2474416'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '401796-401809'),
('@boundStrand', '1'),
('@annealedBases', 'AAGCAgttcgagt'),
('@meltingTemperature', '33'),
('Component',
[OrderedDict([('@bases', 'TTAT')]),
OrderedDict([('@hybridizedRange',
'401805-401809'),
('@bases', 'AAGCA')]),
OrderedDict([('@hybridizedRange',
'401796-401803'),
('@bases', 'gttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '451228-451237'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'451228-451237'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '1414375-1414384'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '35'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'1414375-1414384'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '2529410-2529419'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '36'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'2529410-2529419'),
('@bases', 'CAgttcgagt')])])]),
OrderedDict([('@simplified', '1'),
('@location', '4065918-4065927'),
('@boundStrand', '1'),
('@annealedBases', 'CAgttcgagt'),
('@meltingTemperature', '36'),
('Component',
[OrderedDict([('@bases', 'TTATAAG')]),
OrderedDict([('@hybridizedRange',
'4065918-4065927'),
('@bases', 'CAgttcgagt')])])])])])
SnapGene（有料版）にはprimer情報をexportする機能がある。テキストファイルへの 出力を指定すると、ドキュメント（FAQのページ、https://www.snapgene.com/support/faq/）では
You will need to export the primers to a list. In Excel, list the primers with a Name column and a Sequence column, plus an optional Notes column. Export the data by using Save As with the format Tab Delimited Text. Then in SnapGene, use Primers → Import Primers from a List.
としている。実際にexport出力してみると
yjeI3 TTTTTTTTTTTTTTTTTTTT(ここ適当） Note Note Note
のように、タブ区切りで、<name> tab <sequence> tab <note> の形になっている。
ということで、この形式になっている。このことから、SnapGeneがこのテキスト形式の primerデータをimportする場合は、結構それなりの処理（位置の特定から始まって、 その他のメタデータの算定等）を行って、内部的に保持しており、それを.dnaファイル には書き出している（XMLで）と思われる。
