第四章，1：DNA操作Biostrings和BSgenome.Hsapiens.UCSC.hg19

参考：Biostrings常量与序列容器http://blog.csdn.net/u014801157/article/details/24372449
Biostrings和BSgenome的使用体会_更新 http://blog.sina.com.cn/s/blog_61f013b80100vqyf.html

• 基本操作：互补、反向、反向互补、翻译、转录和逆转录

DNAString生成DNA对象，dna2rna()转换为RNA，transcribe()将dna转录成rna，rna2dna()rna转换成DNA, cDNA()对rna逆转录得到cDNA, codones查看rna三联子密码, complement()dna的互补链，reverseComplement()dna的反向互补链，reverse（）dna的反向序列。
指定文件目录：filepath<-system.file("extdata","someORF.fa",package = "Biostrings")

• 统计人类基因组数据中的碱基频率

chr22NON<-mask(Hsapiens$chr22,"N")

Paste_Image.png

• 统计2号染色体数据中的碱基频率

alphabetFrequency(Hsapiens$chr22,baseOnly=TRUE)

Paste_Image.png

• 生成连续模板
  my_pattern<-"TATAAAA"

• 在chr22NON里匹配模板
  mT=matchPattern(my_pattern,chr22NON)
  head(mT)

  
  
  

  Paste_Image.png

• 查看匹配的数量
  countPattern(my_pattern,chr22NON)

Paste_Image.png

• 允许一个错配
  mmT=matchPattern(my_pattern,chr22NON,max.mismatch = 1)
  length(mmT)

• 观察前五个匹配所在的weizhi
  mismatch(my_pattern,mmT[1:5])

Paste_Image.png

• 左侧将要匹配的序列
  Lpattern<-"CTCCGAG"
  Rpattern<-"GTTCACA"
• 左右模板同时匹配，中间长度不超过500bp
  LRsegment<-matchLRPatterns(Lpattern,Rpattern,500,Hsapiens$chr22)
  LRsegment[1:10]

Paste_Image.png

• 例4-4：模板匹配
• 提取所有探针序列, hgu133a2probe是自带的芯片数据

格式为：
A data frame with 247899 rows and 6 columns, as follows.

sequence	character	probe sequence
x	integer	x-coordinate on the array
y	integer	y-coordinate on the array
Probe.Set.Name	character	Affymetrix Probe Set Name
Probe.Interrogation.Position	integer	Probe Interrogation Position
Target.Strandedness	factor	Target Strandedness

dict<-hgu133a2probe$sequence #将探针序列取出
length(dict) #所有探针数量
[1] 247899
unique(nchar(dict)) #几种探针长度
[1] 25
 dict[1:3] #查看前三个
[1] "CACCCAGCTGGTCCTGTGGATGGGA" "GCCCCACTGGACAACACTGATTCCT"
[3] "TGGACCCCACTGGCTGAGAATCTGG"