Biopython

Biopython: Biologia Molecular Computacional em Python

Visão Geral

Biopython é um conjunto abrangente de ferramentas Python gratuitas para computação biológica. Oferece funcionalidades para manipulação de sequências, entrada/saída de arquivos, acesso a bancos de dados, bioinformática estrutural, filogenética e muitas outras tarefas de bioinformática. A versão atual é Biopython 1.85 (lançada em janeiro de 2025), que suporta Python 3 e requer NumPy.

Quando Usar Esta Skill

Use esta skill quando:

• Trabalhar com sequências biológicas (DNA, RNA ou proteína)
• Ler, escrever ou converter formatos de arquivos biológicos (FASTA, GenBank, FASTQ, PDB, mmCIF, etc.)
• Acessar bancos de dados NCBI (GenBank, PubMed, Protein, Gene, etc.) via Entrez
• Executar buscas BLAST ou analisar resultados de BLAST
• Realizar alinhamentos de sequências (pairwise ou alinhamentos de múltiplas sequências)
• Analisar estruturas de proteínas em arquivos PDB
• Criar, manipular ou visualizar árvores filogenéticas
• Encontrar motivos em sequências ou analisar padrões de motivos
• Calcular estatísticas de sequências (conteúdo GC, peso molecular, temperatura de desnaturação, etc.)
• Realizar tarefas de bioinformática estrutural
• Trabalhar com dados de genética de populações
• Qualquer outra tarefa de biologia molecular computacional

Capacidades Centrais

Biopython está organizado em sub-pacotes modulares, cada um abordando domínios específicos de bioinformática:

1. Manipulação de Sequências - Bio.Seq e Bio.SeqIO para manipulação e entrada/saída de sequências
2. Análise de Alinhamentos - Bio.Align e Bio.AlignIO para alinhamentos pairwise e de múltiplas sequências
3. Acesso a Bancos de Dados - Bio.Entrez para acesso programático a bancos de dados NCBI
4. Operações BLAST - Bio.Blast para executar e analisar buscas BLAST
5. Bioinformática Estrutural - Bio.PDB para trabalhar com estruturas de proteínas 3D
6. Filogenética - Bio.Phylo para manipulação e visualização de árvores filogenéticas
7. Recursos Avançados - Motivos, genética de populações, utilitários de sequência e mais

Instalação e Configuração

Instale Biopython usando pip (requer Python 3 e NumPy):

uv pip install biopython

Para acesso a bancos de dados NCBI, sempre defina seu endereço de email (obrigatório pelo NCBI):

from Bio import Entrez
Entrez.email = "seu.email@example.com"

# Opcional: Chave de API para limites de taxa mais altos (10 req/s em vez de 3 req/s)
Entrez.api_key = "sua_chave_api_aqui"

Usando Esta Skill

Esta skill oferece documentação abrangente organizada por área de funcionalidade. Ao trabalhar em uma tarefa, consulte a documentação de referência relevante:

1. Manipulação de Sequências (Bio.Seq & Bio.SeqIO)

Referência: references/sequence_io.md

Use para:

• Criar e manipular sequências biológicas
• Ler e escrever arquivos de sequências (FASTA, GenBank, FASTQ, etc.)
• Converter entre formatos de arquivo
• Extrair sequências de arquivos grandes
• Tradução, transcrição e complemento reverso de sequências
• Trabalhar com objetos SeqRecord

Exemplo rápido:

from Bio import SeqIO

# Ler sequências de arquivo FASTA
for record in SeqIO.parse("sequences.fasta", "fasta"):
    print(f"{record.id}: {len(record.seq)} bp")

# Converter GenBank para FASTA
SeqIO.convert("input.gb", "genbank", "output.fasta", "fasta")

2. Análise de Alinhamentos (Bio.Align & Bio.AlignIO)

Referência: references/alignment.md

Use para:

• Alinhamento de sequências pairwise (global e local)
• Ler e escrever alinhamentos de múltiplas sequências
• Usar matrizes de substituição (BLOSUM, PAM)
• Calcular estatísticas de alinhamento
• Personalizar parâmetros de alinhamento

Exemplo rápido:

from Bio import Align

# Alinhamento pairwise
aligner = Align.PairwiseAligner()
aligner.mode = 'global'
alignments = aligner.align("ACCGGT", "ACGGT")
print(alignments[0])

3. Acesso a Bancos de Dados (Bio.Entrez)

Referência: references/databases.md

Use para:

• Buscar em bancos de dados NCBI (PubMed, GenBank, Protein, Gene, etc.)
• Baixar sequências e registros
• Obter informações de publicações
• Encontrar registros relacionados entre bancos de dados
• Download em lote com limitação de taxa apropriada

Exemplo rápido:

from Bio import Entrez
Entrez.email = "seu.email@example.com"

# Buscar no PubMed
handle = Entrez.esearch(db="pubmed", term="biopython", retmax=10)
results = Entrez.read(handle)
handle.close()
print(f"Encontrados {results['Count']} resultados")

4. Operações BLAST (Bio.Blast)

Referência: references/blast.md

Use para:

• Executar buscas BLAST via serviços web NCBI
• Executar buscas BLAST locais
• Analisar saída XML de BLAST
• Filtrar resultados por E-value ou identidade
• Extrair sequências de hits

Exemplo rápido:

from Bio.Blast import NCBIWWW, NCBIXML

# Executar busca BLAST
result_handle = NCBIWWW.qblast("blastn", "nt", "ATCGATCGATCG")
blast_record = NCBIXML.read(result_handle)

# Exibir top hits
for alignment in blast_record.alignments[:5]:
    print(f"{alignment.title}: E-value={alignment.hsps[0].expect}")

5. Bioinformática Estrutural (Bio.PDB)

Referência: references/structure.md

Use para:

• Analisar arquivos de estrutura PDB e mmCIF
• Navegar na hierarquia de estrutura de proteína (SMCRA: Structure/Model/Chain/Residue/Atom)
• Calcular distâncias, ângulos e dihedros
• Atribuição de estrutura secundária (DSSP)
• Superimposição de estrutura e cálculo de RMSD
• Extrair sequências de estruturas

Exemplo rápido:

from Bio.PDB import PDBParser

# Analisar estrutura
parser = PDBParser(QUIET=True)
structure = parser.get_structure("1crn", "1crn.pdb")

# Calcular distância entre carbonos alfa
chain = structure[0]["A"]
distance = chain[10]["CA"] - chain[20]["CA"]
print(f"Distância: {distance:.2f} Å")

6. Filogenética (Bio.Phylo)

Referência: references/phylogenetics.md

Use para:

• Ler e escrever árvores filogenéticas (Newick, NEXUS, phyloXML)
• Construir árvores a partir de matrizes de distância ou alinhamentos
• Manipulação de árvore (poda, re-enraizamento, ladderização)
• Calcular distâncias filogenéticas
• Criar árvores de consenso
• Visualizar árvores

Exemplo rápido:

from Bio import Phylo

# Ler e visualizar árvore
tree = Phylo.read("tree.nwk", "newick")
Phylo.draw_ascii(tree)

# Calcular distância
distance = tree.distance("Species_A", "Species_B")
print(f"Distância: {distance:.3f}")

7. Recursos Avançados

Referência: references/advanced.md

Use para:

• Motivos de sequência (Bio.motifs) - Encontrar e analisar padrões de motivos
• Genética de populações (Bio.PopGen) - Arquivos GenePop, cálculos de Fst, testes de Hardy-Weinberg
• Utilitários de sequência (Bio.SeqUtils) - Conteúdo GC, temperatura de desnaturação, peso molecular, análise de proteína
• Análise de restrição (Bio.Restriction) - Encontrar sítios de enzimas de restrição
• Clustering (Bio.Cluster) - Clustering K-means e hierárquico
• Diagramas de genoma (GenomeDiagram) - Visualizar características genômicas

Exemplo rápido:

from Bio.SeqUtils import gc_fraction, molecular_weight
from Bio.Seq import Seq

seq = Seq("ATCGATCGATCG")
print(f"Conteúdo GC: {gc_fraction(seq):.2%}")
print(f"Peso molecular: {molecular_weight(seq, seq_type='DNA'):.2f} g/mol")

Diretrizes Gerais de Workflow

Lendo Documentação

Quando um usuário pergunta sobre uma tarefa específica do Biopython:

1. Identifique o módulo relevante baseado na descrição da tarefa
2. Leia o arquivo de referência apropriado usando a ferramenta Read
3. Extraia padrões de código relevantes e adapte-os às necessidades específicas do usuário
4. Combine múltiplos módulos quando a tarefa exigir

Padrões de busca de exemplo para arquivos de referência:

# Encontrar informações sobre funções específicas
grep -n "SeqIO.parse" references/sequence_io.md

# Encontrar exemplos de tarefas específicas
grep -n "BLAST" references/blast.md

# Encontrar todas as ocorrências de um módulo
grep -n "Bio.Seq" references/*.md

Escrevendo Código Biopython

Siga estes princípios ao escrever código Biopython:

1. Importe módulos explicitamente

   from Bio import SeqIO, Entrez
   from Bio.Seq import Seq
   

2. Defina email do Entrez ao usar bancos de dados NCBI

   Entrez.email = "seu.email@example.com"
   

3. Use formatos de arquivo apropriados - Verifique qual formato melhor se adequa à tarefa

   # Formatos comuns: "fasta", "genbank", "fastq", "clustal", "phylip"
   

4. Manipule arquivos apropriadamente - Feche handles após o uso ou use context managers

   with open("file.fasta") as handle:
       records = SeqIO.parse(handle, "fasta")
   

5. Use iteradores para arquivos grandes - Evite carregar tudo na memória

   for record in SeqIO.parse("large_file.fasta", "fasta"):
       # Processe um registro por vez
   

6. Trate erros apropriadamente - Operações de rede e análise de arquivo podem falhar

   try:
       handle = Entrez.efetch(db="nucleotide", id=accession)
   except HTTPError as e:
       print(f"Erro: {e}")
   

Padrões Comuns

Padrão 1: Buscar Sequência do GenBank

from Bio import Entrez, SeqIO

Entrez.email = "seu.email@example.com"

# Buscar sequência
handle = Entrez.efetch(db="nucleotide", id="EU490707", rettype="gb", retmode="text")
record = SeqIO.read(handle, "genbank")
handle.close()

print(f"Descrição: {record.description}")
print(f"Comprimento da sequência: {len(record.seq)}")

Padrão 2: Pipeline de Análise de Sequência

from Bio import SeqIO
from Bio.SeqUtils import gc_fraction

for record in SeqIO.parse("sequences.fasta", "fasta"):
    # Calcular estatísticas
    gc = gc_fraction(record.seq)
    length = len(record.seq)

    # Encontrar ORFs, traduzir, etc.
    protein = record.seq.translate()

    print(f"{record.id}: {length} bp, GC={gc:.2%}")

Padrão 3: BLAST e Buscar Top Hits

from Bio.Blast import NCBIWWW, NCBIXML
from Bio import Entrez, SeqIO

Entrez.email = "seu.email@example.com"

# Executar BLAST
result_handle = NCBIWWW.qblast("blastn", "nt", sequence)
blast_record = NCBIXML.read(result_handle)

# Obter acessões de top hit
accessions = [aln.accession for aln in blast_record.alignments[:5]]

# Buscar sequências
for acc in accessions:
    handle = Entrez.efetch(db="nucleotide", id=acc, rettype="fasta", retmode="text")
    record = SeqIO.read(handle, "fasta")
    handle.close()
    print(f">{record.description}")

Padrão 4: Construir Árvore Filogenética a partir de Sequências

from Bio import AlignIO, Phylo
from Bio.Phylo.TreeConstruction import DistanceCalculator, DistanceTreeConstructor

# Ler alinhamento
alignment = AlignIO.read("alignment.fasta", "fasta")

# Calcular distâncias
calculator = DistanceCalculator("identity")
dm = calculator.get_distance(alignment)

# Construir árvore
constructor = DistanceTreeConstructor()
tree = constructor.nj(dm)

# Visualizar
Phylo.draw_ascii(tree)

Melhores Práticas

1. Sempre leia a documentação de referência relevante antes de escrever código
2. Use grep para buscar em arquivos de referência funções específicas ou exemplos
3. Valide formatos de arquivo antes de analisar
4. Trate dados faltantes apropriadamente - Nem todos os registros têm todos os campos
5. Cache dados baixados - Não baixe repetidamente as mesmas sequências
6. Respeite limites de taxa NCBI - Use chaves de API e atrasos apropriados
7. Teste com pequenos conjuntos de dados antes de processar arquivos grandes
8. Mantenha Biopython atualizado para obter novos recursos e correções de bugs
9. Use tabelas de código genético apropriadas para tradução
10. Documente parâmetros de análise para reprodutibilidade

Solução de Problemas de Problemas Comuns

Problema: "No handlers could be found for logger 'Bio.Entrez'"

Solução: É apenas um aviso. Defina Entrez.email para suprimi-lo.

Problema: "HTTP Error 400" do NCBI

Solução: Verifique se os IDs/acessões são válidos e formatados corretamente.

Problema: "ValueError: EOF" ao analisar arquivos

Solução: Verifique se o formato do arquivo corresponde à string de formato especificada.

Problema: Falha no alinhamento com "sequences are not the same length"

Solução: Certifique-se de que as sequências estão alinhadas antes de usar AlignIO ou MultipleSeqAlignment.

Problema: Buscas BLAST lentas

Solução: Use BLAST local para buscas em larga escala ou cache de resultados.

Problema: Avisos do analisador PDB

Solução: Use PDBParser(QUIET=True) para suprimir avisos ou investigue a qualidade da estrutura.

Recursos Adicionais

• Documentação Oficial: https://biopython.org/docs/latest/
• Tutorial: https://biopython.org/docs/latest/Tutorial/
• Cookbook: https://biopython.org/docs/latest/Tutorial/ (exemplos avançados)
• GitHub: https://github.com/biopython/biopython
• Lista de Discussão: biopython@biopython.org

Referência Rápida

Para localizar informações em arquivos de referência, use estes padrões de busca:

# Buscar funções específicas
grep -n "function_name" references/*.md

# Encontrar exemplos de tarefas específicas
grep -n "example" references/sequence_io.md

# Encontrar todas as ocorrências de um módulo
grep -n "Bio.Seq" references/*.md

Resumo

Biopython oferece ferramentas abrangentes para biologia molecular computacional. Ao usar esta skill:

1. Identifique o domínio da tarefa (sequências, alinhamentos, bancos de dados, BLAST, estruturas, filogenética ou avançado)
2. Consulte o arquivo de referência apropriado no diretório references/
3. Adapte exemplos de código ao caso de uso específico
4. Combine múltiplos módulos quando necessário para workflows complexos
5. Siga as melhores práticas para manipulação de arquivo, verificação de erro e gerenciamento de dados

A documentação de referência modular garante informações detalhadas e pesquisáveis para todas as principais capacidades do Biopython.