biopython：2：序列组成

第一章：biopython

第二节：序列组成

SeqIO同时读取两个文件read1文件和read2文件，利用itertools
from Bio import SeqIO
import itertools
for r1, r2 in itertools.izip(SeqIO.parse(gzip.open('*.R1.fine.fastq.gz'),'fastq'), SeqIO.parse(gzip.open('*.R2.fine.fastq.gz'),'fastq')):
····r1,r2

1，序列的特性

生物信息当中的序列（DNA、RNA、amino acid）与python当中的字符串有两点不同（其余属性大致相同，比如序列长度，可以进行切片等）
第一点不同：序列有 translate() ，即翻译；序列有reverse_complement() ，即反向互补序列（反向互补序列一般对DNA序列而言）
第二点不同：序列存在一定的字母排列规则，即为alphabet；例如，DNA序列为“TAGC”表示四种碱基，而氨基酸序列也可以为“AGCT”表示不同的氨基酸简写，一般在文件中会显示氨基酸的一个字母的简写

2，序列属性alphabet

Bio包当中存在Bio.Alphabet模块，其作用是定义DNA、RNA及amino acid序列
amino acid序列，有 ExtendedIUPACProtein 用法，能够区分该大写字母为哪种氨基酸，例如：“U”表示“Sec”，“B”表示“Asx”，（这两种均为稀有氨基酸）而“X”表示“Xxx”表示为未知氨基酸
DNA序列，有IUPACAmbiguousDNA及ExtendedIUPACDNA用法
RNA序列，有IUPACAmbiguousRNA及IUPACUnmbiguousDNA用法

3，与序列相关的模块使用

>>> from Bio.Seq import Seq#该模块用于构建序列
>>> from Bio.Alphabet import IUPAC#该模块用于判断序列类型
>>> my_seq=Seq("AGTACA", IUPAC.unambiguous_dna)#根据Alphabet()特性将Seq定义为DNA序列
>>> my_prot=Seq("AGTACA", IUPAC.protein)#定义一个氨基酸序列
>>> my_seq.alphabet
IUPACUnambiguousDNA()
IUPAC.unambiguous_dna表示确定的DNA序列，不允许存在模糊碱基
IUPAC.ambiguous_dna表示允许存在模糊碱基
函数Seq()（首字母大写）加字符串，再加IUPAC特性，可表示DNA或氨基酸序列
构建序列方法：
Seq(str("AGTACA"), IUPAC.unambiguous_dna)

4，序列与字符串存在一些相同的特性

>>> my_seq=Seq("GATCG", IUPAC.unambiguous_dna)#定义一段DNA序列
>>> for index, letter in enumerate(my_seq):
>>> ····print "%d\t%s"%(index, letter)#index为序列编号值为0，letter为Seq
>>> len(my_seq)#序列长度
>>> my_seq[0]#序列的第一个碱基，返回一个字符串，方法类似于字符串的切片
>>> my_seq.count("A")#返回序列当中“A”碱基的个数
>>> my_seq.count("G")#计算“G”碱基个数
>>> float(my_seq.count('G')+my_seq.count('C'))/len(my_seq)*100#计算序列的GC含量
但其实在Bio.SeqUtils模块中有一个GC函数，可计算序列GC含量
>>> from Bio.SeqUtils import GC
>>> GC(my_seq)#返回一个百分数数值并不带百分号
序列的split方法和字符串的切片方式相同
>>> my_seq=Seq("GATC