Bioperl是一个基于perl语言环境开发的一款适合于基因组、生命科学研究的一款工具集。和biopython类似《Biopython-计算分子生物学工具集》,下面对其进行的简单介绍:
安装(需要先安装perl语言环境):
perl下载安装:https://www.perl.org/get.html
bioperl安装(bioperl包含了很多子包,按需安装):
# 或者访问https://github.com/bioperl/bioperl-live下载最新源码
cpan Bio::Perl
bioperl的文档和示例也相对很完善(点击link直达官网):
- Beginners HOWTO – BioPerl介绍
- Features and Annotations HOWTO – 读取和写入与序列及相关的详细数据
- BlastPlus HOWTO – 用NCBI blast +创建,管理和查询BLAST数据库
- EUtilities Cookbook HOWTO – 介绍Bio :: DB :: EUtilities的简单示例
- SearchIO HOWTO – 解析序列比较程序的结果(如blast)
- SeqIO HOWTO – 序列文件输入和输出,以及脚本示例
- Getting Genomic Sequences HOWTO – 有关如何检索基因组序列的一些示例
- AlignIO and SimpleAlign HOWTO – 使用BioPerl创建和分析比对结果
- Writing BioPerl Tests HOWTO – 有关如何使用Test :: More编写BioPerl测试的说明文档
- OBDA Flat Databases HOWTO – 索引本地序列文件,以便使用OBDA快速检索
- Tiling HOWTO – 使用SearchIO创建可靠的比对方式
- Local Databases – 索引本地序列文件以便快速检索
- OBDA HOWTO – OBDA使用介绍
- Restriction Enzyme Analysis HOWTO – 限制性内切酶分析
- Short-read assemblies with BWA HOWTO – 在BioPerl中使用bwa
- Short-read assemblies with maq HOWTO – 在BioPerl中使用map
- Trees HOWTO – 使用BioPerl分析系统发育树
- EUtilities Web Service HOWTO – 通过EUtilities接口查询NCBI
- PAML HOWTO – PAML包使用
- PhyloXML HOWTO – 使用BioPerl读写phyloXML文档
- Bioperl Objects HOWTO – 常见或罕见的序列对象
- Simple Web Analysis HOWTO – 向Web表单提交序列数据并检索结果
- Best Practices HOWTO – 编写BioPerl代码时的规范
- Advanced BioPerl HOWTO – 有关开发BioPerl代码的说明
- PopGen HOWTO – 人口遗传学,分子进化和BioPerl
- SubmitPatch HOWTO – 提交BioPerl的修改并纳入代码库的步骤
- Nexml HOWTO – 有关如何使用BioPerl读写Nexml文档的指南
- Glyphs HOWTO – 使用自定义图形扩展Bio :: Graphics
- BioGraphics HOWTO – 序列展示和注释可视化
- Using Git HOWTO – 在BioPerl中使用Git
- Submitting Issues HOWTO – 提交反馈
- Scrapbook HOWTO – 给BioPerl提交可重用的代码
bioperl支持的文件格式:
- ABI
- ACEDB
- AGAVE
- ALF
- ASCIITree
- BSML
- CHADO
- CHAOS
- CTF
- EMBL
- EXP
- EntrezGene
- Excel
- FASTA
- FASTQ
- GAME
- GCG
- GFF3
- GFF
- GTF
- GenBank
- InterPro
- KEGG
- LocusLink
- MetaFASTA
- PHD
- PIR
- PLN
- Qual
- Raw
- SCF
- Swissprot
- TIGR
- Tab
- Table
- Tinyseq
- ZFF
- ZTR
文档中包含了很多可用示例,此处不在赘述。在bioperl和biopython之间,个人比较偏向于bioperl,其主要原因还是perl在文本处理方面还是强于python的。当然我也推荐学习biopython,两者各有千秋。
参考资料:
1.https://bioperl.org/howtos/index.html
2.https://github.com/bioperl/