1. Pycon.it 2009 Python e bioinformatica Giovanni Marco Dall'Olio Universitá Pompeu Fabra, Biologia Evolutiva, Barcelona

3. Nata negli anni '70, con lo sviluppo di un metodo per confrontare due sequenze di proteine (Matrici PAM)

5. Costi e tempi diminuiti rapidamente n. sequenze (GenBank) 2009 1996

8. Non é molto utile finché non la integriamo con altri dati

9. Che strumenti utilizzare per analizzarla?

10. Che approcci, che tecniche?

13. Docking molecolare : simulare l'efficacia di una molecola come farmaco

17. Senza, sarebbe impossibile coordinare qualsiasi progetto di ricerca

18. Alcuni portali (ncbi, uniprot, …) mettono a disposizione dati e tool pubblici

20. -> in bioinformatica sono molto diffusi linguaggi di scripting (perl, python, R, ...)

23. Facile da imparare

24. Ottimo per scripting

25. Librerie per database, testing, documentazione, calcolo scientifico

26. Orientato ad oggetti , ma multi-paradigma

27. Python e bioinformatica Curva d'apprendimento ☺☺☺☺☺ Facile da imparare ma potente Leggibilitá ☺☺☺☺☺ Testing ☺☺☺☺☺ Doctest, unittest, nose Comunitá open source ☺☺☺ BioPerl e BioConductor sono piu' ampi Paradigmi di programmazione ☺☺☺☺☺ Multi paradigma, OO Velocitá di esecuzione  Interpretato; Database ☺☺☺☺☺ Ottimi ORM (sqlalchemy), supporto ad altri tipi di db

29. Makefiles e simili per creare pipelines

30. Tests utilizzati anche per comunicare con non-programmatori

31. Continua necessitá di riadattare scripts

35. Esempio più complicato di pipeline mask(S) flat: S.masked run: RepeatMasker -lib $(RMLIB) S mask_then_blast(S,D) flat: S-results/S.D.blast.raw req: mask(S) blastindex(D) srun: blastall -p blastx -i ....... BioMake ( http://skam.sourceforge.net/skam-intro.html )

37. Come dimostrare che sia corretto?

39. In bioinformatica é la stessa cosa, solo che molto si fa al computer

41. Abbiamo scritto un programma per leggere il formato Fasta e convertirlo al formato GenBank, e testato il suo funzionamento corretto su un file con una sola sequenza, su un file con sequenze multiple, su un file corrotto.....

43. Unittest -> unit test classico con fixtures

44. Nosetest -> individua tutte le funzioni che assomigliano a tests e le esegue

45. doctest >>> help (say_hello) Help on function say_hello in module __main__: say_hello(name) print hello <name> to the screen example: >>> say_hello('Albert Einstein') hello Albert Einstein!!!

47. unittest From unittest import * class SimpleFastaSeqCase(unittest.TestCase): @classmethod def setUpClass(cls): ..... @classmethod def tearDownClass(cls): ..... def setUp(self): ..... def tearDown(self): ..... def testCondition1(self): ..... def testCondition2(self): ..... Istruzioni da eseguire prima/dopo tutti i test Istruzioni da eseguire prima/dopo ogni test Tests

49. Su ogni cromosoma possiamo individuare diversi elementi, come geni, fattori di regolazione, etc..

50. Ogni gene codifica per più trascritti, che a loro volta possono dare origine a più proteine

51. > la programmazione a oggetti si presta molto bene a rappresentare dati di tipo biologico

52. Programmazione a oggetti - esempio genes = { 'gene1' : { 'position' : 10000, 'chromosome': 11, 'sequence' : 'GTAGCCTGATGAACGGGCTAGCATGC....' , 'transcripts' : { 'transcript1' : [......], 'transcript2' : [......], }, }, 'gene1' : { 'position' : ...........}, ..... } def get_subseq(genes, geneid, start, end): ''' get a subsequence of a gene, given a dictionary of gene annotations, a gene id, and start/end position ''' pass

53. Programmazione a oggetti - esempio genes = {'gene1': { 'position': 10000, 'chromosome': 11, 'sequence': 'GTAGCCTGATGAACGGGCTAGCATGC....', 'transcripts': { 'transcript1': [......], 'transcript2': [......], }, }, 'gene1': { 'position': ...........}, ..... } def get_subseq(genes, geneid, start, end): ''' get a subsequence of a gene, given a dictionary of gene annotations, a gene id, and start/end position ''' pass

55. Più concisa di Java, inoltre non é obbligatorio usare OO

56. OO é piuttosto complicato in perl

57. Python and Java classes public class Gene { public int position; public str chromosome; public str transcripts[]; public Gene(int pos){ position = pos } public void getSubseq(int start, int end) { pass } class gene: def __init__(self,pos): self.position = pos self.sequence = '' self.transcripts = [] def get_subseq(self, start, end): pass (Una classe in python) (Una classe in Java) (non sono un programmatore Java!)

59. diffusione di vari formati di testo

60. disputa tra flat files, database, e altri sistemi

62. sqlalchemy example

64. Strutture gerarchiche?

65. Merging di insiemi di dati?

67. Problema comune in bioinformatica http://phenomics.cs.ucla.edu/

69. Difficile rappresentare 'sottosequenze' (o slice di stringhe)

71. db a oggetti: ZODB

72. db gerarchico: PyTables

73. ...

75. Database gerarchico (tabelle dentro altre tabelle)

76. Ottime APIs in python (PyTables) SNP object - id - position - chromosome - genotypes individual genotype - allele1 - allele2 - stats population iHS Fst Nested tables

80. APIs per entrez e alcuni database importanti

81. Pdb / strutture

82. Biopython Esempi # Leggere un file in formato fasta e salvarlo in un dizionario from Bio.SeqIO import SeqIO seqfile = open('fastafile.fa', 'r') sequences = SeqIO.to_dict(SeqIO.parse(seqfile)) # Query NCBI results = Entrez.esearch(db='nucleotide', term='cox2') Entrez.read(results)

85. Usare e configurare blast locali

86. Creare annotazioni

87. Interfaccia con ncbi, ensembl, ucsc

88. Pygr esempi # Ensembl APIs serverRegistry = get_registry( host= 'ensembldb.ensembl.org', user='anonymous') coreDBAdaptor = serverRegistry.get_DBAdaptor( 'homo_sapiens', 'core', '47_36i') sequence = coreDBAdaptor.fetch_slice_by_seqregion( coordSystemName, seqregionName) # Scarica la seq del genoma umano da ucsc(18) import pygr.Data hg18 = pygr.Data.Bio.Seq.Genome.HUMAN.hg18( download=True)

90. Scipy : calcolo matematico avanzato, test statistici..

91. Matplotlib : plottare grafici

93. rpy (interfaccia a R)

96. In alcuni campi, mancano ancora buone librerie

97. Problemi con multi-threading

99. Babele di formati/database/scripts

101. molecularlab.it

102. Biologia evolutiva UPF

103. nodalpoint.org and all bioinfo bloggers

104. Fine talk

106. Come trarre ordine da una massa di dati come questa?

107. Come associare un gene ad una posizione, sequenza?

108. Che strumenti? Che tecniche?

109. Che approcci?

113. ....

114. ....

116. check_sequences.py