绘制序列图及其反向互补图

Question

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

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')]

当我使用以上信息构造法线图时，我得到12个节点和10条边，即使用以下功能获得两个断开的图。

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，我们具有互补碱基配对的概念，其中A = T，T = A，G = C和C = G。 因此，'ACG'的互补是'TGC'，而'ACG'='CGT'的反向互补即我们颠倒了补码。

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，我想构建一个有六个节点的图，一个节点应具有自己的值及其反向补值，并且总共应有10条边，即图不应断开。 如何在python中使用graphviz可视化此图？ 如果除graphviz之外还有其他可以帮助我可视化此类图形的内容，请告诉我。

Answer 1

我不太确定您要在这里完成什么工作（因此请注意您可能遇到了XY问题），但让我们提出您的问题，看看它可以帮助我们。

节点应具有自己的值及其反向补值

因此，我们需要一些对象来存储序列和该序列的反向互补。

对序列进行反向补语有不同的方法 。 作为生物信息学家，您应该真正使用适合生物信息学的库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对象可能会解决该问题，因此，我仅在下面使用标准字典。 我们还希望将Node对象彼此进行比较，因此我们需要重写__eq__ 。 并且由于我们要创建一set唯一的Node对象，因此我们还需要实现__hash__ 。 为了进行漂亮的打印，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)

所以现在我们可以将集合节点或原始节点转换为带有反向补码的新节点列表。

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。 您并未真正在问题中说明如何生成带有边的列表。 您发布的内容的可视化确实像您描述的那样：两个断开的图。

但是，当我创建DeBruijn图时，我将成对比较所有序列，看看它们之间是否有任何重叠，创建一个邻接表，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nodes ，

seq_adjacency_list = get_adjacency_list_seqs(nodes)
print make_dot_plot(seq_adjacency_list)

我得到一个连接图：

因此，我不确定生成edges列表的原始实现中是否存在错误，或者您是否尝试完全执行其他操作。

现在继续前进，我们可以将先前的代码改编为序列字符串，以与我们之前创建的Node对象一起使用。

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

实际上有6个节点，但有12个节点，而不是请求的10个边。