表型定義為生物體針對特定化學物質或環境表現出的可觀察的特征或性狀。表型微陣列可同時測量生物體對大量化學物質和環境的反應，并分析數據以了解基因突變，基因特性等。

Biopython提供了一個出色的模塊Bio.Phenotype來分析表型數據。本小節中我們將學習如何在本章中解析，內插，提取和分析表型微陣列數據。

1. 解析

表型微陣列數據可以采用兩種格式：CSV和JSON。Biopython支持兩種格式。Biopython解析器解析表型微陣列數據并作為PlateRecord對象的集合返回。每個PlateRecord對象都包含WellRecord對象的集合。每個WellRecord對象均以8行12列的格式保存數據。八行由A到H表示，而12列由01到12表示。例如，第四行和第六列由D06表示。

我們通過以下示例了解解析的格式和概念：

第2步 - 加載表型模塊，如下所示-

from Bio import phenotype

第3步 - 調用phenotype.parse方法，并傳遞數據文件和格式選項(pm-csv)。它返回如下可迭代的PlateRecord對象，

>>> plates = list(phenotype.parse('Plates.csv', "pm-csv"))

>>> plates

[PlateRecord('WellRecord['A01'], WellRecord['A02'], WellRecord['A03'], ..., WellRecord['H12']'),

PlateRecord('WellRecord['A01'], WellRecord['A02'], WellRecord['A03'], ..., WellRecord['H12']'),

PlateRecord('WellRecord['A01'], WellRecord['A02'], WellRecord['A03'], ..., WellRecord['H12']'),

PlateRecord('WellRecord['A01'], WellRecord['A02'],WellRecord['A03'], ..., WellRecord['H12']')]

>>>

第4步 - 從列表中訪問第一板，如下所示-

>>> plate = plates[0]

>>> plate

PlateRecord('WellRecord['A01'], WellRecord['A02'], WellRecord['A03'], ...,

WellRecord['H12']')

>>>

第5步 - 如前所述，一個板包含8行，每行包含12個項目。可以通過以下兩種方式訪問WellRecord-

>>> well = plate["A04"]

>>> well = plate[0, 4]

>>> well WellRecord('(0.0, 0.0), (0.25, 0.0), (0.5, 0.0), (0.75, 0.0),

(1.0, 0.0), ..., (71.75, 388.0)')

>>>

第6步 - 每個well在不同時間點都會進行一系列測量，可以使用for循環進行訪問，如下所示：

>>> for v1, v2 in well:

... print(v1, v2)

...

0.0 0.0

0.25 0.0

0.5 0.0

0.75 0.0

1.0 0.0

...

71.25 388.0

71.5 388.0

71.75 388.0

>>>

2. 插值

插值可讓您更深入地了解數據。Biopython提供了對WellRecord數據進行插值的方法，以獲取中間時間點的信息。語法類似于列表索引，因此易于學習。

要獲取20.1點處的數據，只需將其作為索引值傳遞即可，如下所示：

>>> well[20.10]

69.40000000000003

>>>

可以傳遞開始時間點和結束時間點以及下面指定的內容-

>>> well[20:30]

[67.0, 84.0, 102.0, 119.0, 135.0, 147.0, 158.0, 168.0, 179.0, 186.0]

>>>

上面的命令以1小時為間隔從20小時到30小時內插值數據。默認情況下，間隔為1小時，可以將其更改為任何值。例如，按照以下指定的時間間隔15分鐘(0.25小時)-

>>> well[20:21:0.25]

[67.0, 73.0, 75.0, 81.0]

>>>

3. 分析和提取

Biopython提供了一種適合使用Gompertz，Logistic和Richards Sigmoid函數分析WellRecord數據的方法。默認情況下，fit方法使用Gompertz函數。我們需要調用WellRecord對象的fit方法來完成任務。代碼如下-

>>> well.fit()

Traceback (most recent call last):

...

Bio.MissingPythonDependencyError: Install scipy to extract curve parameters.

>>> well.model

>>> getattr(well, 'min') 0.0

>>> getattr(well, 'max') 388.0

>>> getattr(well, 'average_height')

205.42708333333334

>>>

Biopython依賴scipy模塊進行高級分析。它使用scipy模塊來計算min，max和average_height詳細信息。

￥ 我要打賞

糾錯/補充

收藏

加QQ群啦，易百教程官方技術學習群

注意：建議每個人選自己的技術方向加群，同一個QQ最多限加 3 個群。

總結

以上是生活随笔為你收集整理的python5 5的 阵列_Biopython表型微阵列的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。