Biopython序列比对

从InterPro网站（https://www.ebi.ac.uk/interpro/download/Pfam/）下载多序列比对文件Pfam-A.seed.gz（含多个多序列比对）

​wget https://ftp.ebi.ac.uk/pub/databases/Pfam/current_release/Pfam-A.seed.gz

解压，取第一个多多序列比对文件

cat Pfam-A.seed | while read line; do if [[ ${line} != "//" ]]; then echo ${line}; else; echo ${line}; break; fi; done > Pfam-A-1.seed

InterPro 通过将蛋白质分类为家族并预测结构域和重要位点，对蛋白质进行功能分析。为了以这种方式对蛋白质进行分类，InterPro 使用了由组成 InterPro 联盟的几个不同数据库（称为成员数据库）提供的预测模型（称为特征）。我们将这些成员数据库中的蛋白质特征整合到一个单一的可搜索资源中，利用它们各自的优势来生成一个强大的集成数据库和诊断工具。

from Bio import AlignIO
align_file = "/path_to_file/Pfam-A-1.seed"
### 1. 读取序列比对文件
## read方法用于读取给定文件中可用的单个比对数据。
# 文件格式为 Stockholm
align = AlignIO.read(open(align_file), "stockholm")
# 常见的多序列比对格式还有 "clustal" "phylip"等
print("Alignment length %i" % align.get_alignment_length())
for record in align:
    print(record.seq + " " + record.id)

## parse方法返回可迭代的对齐对象，可以对其进行迭代以获得实际的对齐方式
alignments = AlignIO.parse(open(align_file), "stockholm") 
print(alignments) 

for alignment in alignments: 
    print(alignment)

### 2. 双序列比对
from Bio import pairwise2
from Bio.Seq import Seq 
seq1 = Seq("ACCGGT") 
seq2 = Seq("ACGT")

alignments = pairwise2.align.globalxx(seq1, seq2)
print(alignments)

for alignment in alignments: 
    print(alignment)

## 格式化输出
from Bio.pairwise2 import format_alignment 
alignments = pairwise2.align.globalxx(seq1, seq2) 
for alignment in alignments: 
    print(format_alignment(*alignment)) 

### 3. Biopython通过Bio.Align.Applications模块为许多序列比对工具提供接口。
from Bio.Align.Applications import ClustalwCommandline

参考
https://www.yiibai.com/biopython/biopython_sequence_alignments.html
https://biopython.org/wiki/AlignIO