Comment utiliser le module Bio::DB::GenBank

LOCUS       AM117601                 585 bp    DNA     linear   BCT 13-FEB-2008
DEFINITION  Escherichia coli partial 16S rRNA gene, isolate ASS Eco.
ACCESSION   AM117601
VERSION     AM117601.1  GI:78271544
KEYWORDS    16S ribosomal RNA; 16S rRNA gene.
SOURCE      Escherichia coli
  ORGANISM  Escherichia coli
            Bacteria; Proteobacteria; Gammaproteobacteria; Enterobacteriales;
            Enterobacteriaceae; Escherichia.
REFERENCE   1
  AUTHORS   Rani,R., Murthy,R.S., Bhattacharya,S., Ahuja,V., Rizvi,M.A. and
            Paul,J.
  TITLE     Changes in bacterial profile during amebiasis: demonstration of
            anaerobic bacteria in ALA pus samples
  JOURNAL   Am. J. Trop. Med. Hyg. 75 (5), 880-885 (2006)
   PUBMED   17123981
REFERENCE   2
  AUTHORS   Rani,R.
  TITLE     Molecular and biochemical characterization of human gut flora in
            enteric disease patients
  JOURNAL   Unpublished
REFERENCE   3  (bases 1 to 585)
  AUTHORS   Rani,R.
  TITLE     Direct Submission
  JOURNAL   Submitted (20-OCT-2005) Rani R., School of Life Sciences,
            Jawaharlal Nehru University, Dr. Jaishree Paul, Lab No. 441, School
            of Life Sciences, JNU, New Delhi, 110067, INDIA
FEATURES             Location/Qualifiers
     source          1..585
                     /organism="Escherichia coli"
                     /mol_type="genomic DNA"
                     /isolate="ASS Eco"
                     /isolation_source="human faeces"
                     /db_xref="taxon:562"
                     /country="India"
     gene            <1..>585
                     /gene="16S rRNA"
     rRNA            <1..>585
                     /gene="16S rRNA"
                     /product="16S ribosomal RNA"
ORIGIN      
        1 gacctcggtt tagttcacag aagccgtgtt ctcatcctcc cgcctcctcc cccgtaaaaa
       61 agccaggggg tggaggattt aagccatctc ctgatgacgc atagtcagcc catcatgaat
      121 gttgctgtcg atgacaggtt gttacaaagg gagaagggca tggcgagcgt acagctgcaa
      181 aatgtaacga aagcctgggg cgaggtcgtg gtatcgaaag atatcaatct cgatatccat
      241 gaaggtgaat tcgtggtgtt tgtcggaccg tctggctgcg gtaaatcgac tttactgcgc
      301 atgattgccg ggcttgagac gatcaccagc ggcgacctgt tcatcggtga gaaacggatg
      361 aatgacactc cgccagcaga acgcggcgtt ggtatggtgt ttcagtctta cgcgctctat
      421 ccccacctgt cagtagcaga aaacatgtca tttggcccga aactggctgg cgcaaaaaaa
      481 gaggtgatta accaacgcgt taaccaggtg gcggaagtgc tacaactggc gcatttgctg
      541 gatcgcaaac cgaaagcgct ctccggtggt cagcgtcagc gtgtg
//

use Bio::DB::GenBank;

Titre   : new
Usage   : my $gb = Bio::DB::GenBank->new(@options);
But     : Création du constructeur new
Retourne  : handle New genbank handle
Arguments : -delay   permet de définir 3 secondes entre chaque recherche d'identifiant

Méthode   : get_Seq_by_acc
Usage     : $seq = $db->get_Seq_by_acc($acc);
But       : Obtenir un objet de type Bio::Seq utile pour la suite afin de récupérer la séquence
Arguments : le numéro d'accession, composé de lettres, chiffres et parfois d'un underscore

Méthode   : get_Seq_by_id
Usage     : my $seq = $db->get_Seq_by_id('ROA1_HUMAN'); 
But       : Obtenir un objet de type Bio::Seq utile pour la suite
Arguments : le numéro d'identifiant, composé de lettres, chiffres et parfois d'un underscore

Méthode   : get_Stream_by_query
Usage     : my $seq = $db->get_Stream_by_query($query); 
But       : Obtenir un objet de type Bio::SeqIO utile pour la suite
Arguments : $query qui est lui même soit un objet de type Bio::DB::Query::GenBank
Il est conseillé de créer un objet Bio::DB::Query::GenBank et de compter le nombre d'entrées
avant d'éxécuter une requête pouvant retourner un très grand nombre de séquences.

C'est le même principe :
- get_Stream_by_query : my $seqio = $gb->get_Stream_by_query($query);
- get_Stream_by_acc   : my $seqio = $gb->get_Stream_by_acc($ref);

Crée un objet de requêtes
Parametres :
	-db       base de données ('protein' ou 'nucleotide')
    -query    requête
    -mindate  date minimale à partir de laquelle exécuter la recherche
    -maxdate  date maximale à partir de laquelle exécuter la recherche
    -reldate  date relative en jours à partir de laquelle faire la recherche
    -datetype type de date à utiliser ('edat' ou 'mdat')
    -ids      liste indexée de ref ou de gids (overrides query)  exemple :   -ids=>[195052,2981014,11127914]
    -maxids   nombre maximal d'objets de séquence que l'on veut récupérer (défaut : 100)
Usage : my $db = Bio::DB::Query::GenBank->new(@args);
my $query = Bio::DB::Query::GenBank->new(-db=>'nucleotide',
                                        -query=>$query_string,
                                        -mindate => '2001',
                                        -maxdate => '2002');
Retour : Un nouvel objet de requêtes

#!/usr/bin/perl
# Script introductif :

# But du script :  Récupérer des informations au sujet des séquences de Genbank pour 2 séquences (accession J00522 et gi 78271544)
# Recherche de leur autre identifiant (acc ou gi), leur longueur, leur séquence complémentaire ainsi que leur description.
use strict;
use warnings;

# Chargement du module GenBank
use Bio::DB::GenBank;

# Création du handle permettant de se connecter à la banque de données GenBank avec le constructeur new qui ne prend aucun argument
my $gb = new Bio::DB::GenBank;


# Création de l'objet $seq1 correspondant à l'accession J00522
my $seq1 = $gb->get_Seq_by_acc('J00522');

# Récupération de sa séquence
my $sequence1 = $seq1->seq();
# récupération de son primary_id
my $gi1 = $seq1->primary_id();
# calcul de la longeur de sa séquence
my $length1 = $seq1->length;
# récupération de sa description
my $description1 = $seq1->desc();
# récupération de sa séquence complémentaire réverse
my $rev_com_seq1 = $seq1->revcom->seq();


# Création de l'objet $seq2 correspondant au Gi 78271544
my $seq2 = $gb->get_Seq_by_gi('78271544');

# Récupération de sa séquence
my $sequence2 = $seq2->seq();
# Récupération de son numéro d'accession
my $acc2 = $seq2->accession_number();
# Calcul de la longeur de sa séquence
my $length2 = $seq2->length;
# Récupération de sa description
my $description2 = $seq2->desc();
# Récupération de sa séquence complémentaire réverse
my $rev_com_seq2 = $seq2->revcom->seq();

#!/usr/bin/perl
use strict;
use warnings;

# Quelques façons d'utiliser ce module.

# Moduke Bio ::DB ::GenBank
use Bio::DB::GenBank;

# Création du handle permettant de se connecter à la banque de données GenBank avec le constructeur new qui ne prend aucun argument
my $gb = new Bio::DB::GenBank;

# Récupération des informations relatives à une séquence en introduisant son Accession Number
# Utilisation de la méthode get_Seq_by_acc avec en argument l'accession demandé
my $seq = $gb->get_Seq_by_acc('J00522');

# Requête plus complexe via la méthode Bio::DB::Query::GenBank
# Plusieurs paramètres tels que la banque de données à interroger
# Renvoi d'un flux d'objets Bio::SeqIO
my $query = Bio::DB::Query::GenBank->new
(-query   =>'Oryza sativa[Organism] AND EST',
 -reldate => '30',
 -db      => 'nucleotide');
 
# Stockage des différentes séquences correspondant à ces critères dans la variable $seqio
my $seqio = $gb->get_Stream_by_query($query);

# Grâce à une boucle récupération un à un des objets correspondant aux différentes séquences
# Obtention des informations comme par exemple la longueur de la séquence.
while( my $seq =  $seqio->next_seq ) {
print "seq length is ", $seq->length,"\n";
}

# Liste d'accessions par la méthode get_Stream_by_acc
# avec en argument la liste des accession
    my $seqio2 = $gb->get_Stream_by_acc(['AC013798', 'AC021953'] );
    while( my $clone =  $seqio2->next_seq ) {
      print "cloneid is ", $clone->display_id, " ",
             $clone->accession_number, "\n";
    }

seq length is 1041
seq length is 909
seq length is 2106
cloneid is AC013798 AC013798
cloneid is AC021953 AC021953

#--------------------------- SeqFromNCBI.pl ---------------------------#
#       recherche une séquence dans GenBank à partir de Gi ou d'Acc
#--------------------------- SeqFromNCBI.pl ---------------------------#


# MODULE : Bio::DB::GenBank - Database object interface to GenBank
# Adresse CPAN http://search.cpan.org/~birney/bioperl-1.4/Bio/DB/GenBank.pm

# Pragmas et les modules qui seront utilisés
use strict;
use warnings;

use Bio::DB::GenBank;


# Handle pour de se connecter à la banque de données GenBank.
# avec le constructeur new qui ne prend aucun argument
my $gb = new Bio::DB::GenBank;


# 1) récupération de séquence par requêtes simples
#--------------------------------------------------
# Requêtes basées sur un ou plusieurs numéros de référence (Acc ou Gi)


print "\n\nREQUETE BASEE SUR UN ACC\n\n";
# Récupération dans $seq de l'objet Genbank contenant de nombreuses informations
# Gi, Acc, séquence, Annotations, Organisme, Espèce, Genre ...
my $Acc = 'AM117601';
my $seq1 = $gb->get_Seq_by_acc($Acc);
# récupération d'informations spécifiques
my $Sequence = $seq1->seq();
my $Description = $seq1->desc();
print "Acc = $Acc\nDescription = $Description\n";


# pour info : visualisation à l'écran de l'ensemble des données.
# use Data::Dumper;
# print Dumper ($seq);
# attention pour les objets de grande taille

# requête équivalente avec le Gi en entrée
my $seq = $gb->get_Seq_by_gi('78271544');

print "\n\nREQUETE BASEE SUR UNE LISTE D'ACC ET DE GI\n\n";
# récupération de plusieurs Acc et Gi
my $seqio = $gb->get_Stream_by_acc([ qw(AM117601 AM117600)]);
while( defined ($seq = $seqio->next_seq )){
        my $Acc = $seq->accession_number();
        my $Sequence = $seq->seq();
        # écriture sous format FASTA
        print ">$Acc\n$Sequence\n";
}

# 2) récupération de séquences par requêtes complexes
#-----------------------------------------------------
# http://search.cpan.org/~birney/bioperl-1.4/Bio/DB/Query/GenBank.pm
# Paramètres pour la recherche dans GenBank
#            -db       base de données ('protein' ou 'nucleotide')
#            -query    requête
#            -mindate  date minimale à partir de laquelle exécuter la recherche
#            -maxdate  date maximale à partir de laquelle exécuter la recherche
#            -reldate  date relative en jours à partir de laquelle faire la recherche
#            -datetype type de date à utiliser ('edat' ou 'mdat')
#            -ids      liste indexée de ref ou de gids (overrides query)  exemple :   -ids=>[195052,2981014,11127914]
#            -maxids   nombre maximal d'objets de séquence que l'on veut récupérer (défaut : 100)

my $db = "nucleotide";
my $mindate;
my $maxdate;
my $reldate;
my $datetype;
my $ids;
my $maxids;

# Recherche des séquences 16S de longueur comprise entre 100 et 150 nucléotide chez E.coli
# (Il faut écrire ici exactement ce que l'on mettrait dans l'interface web GenBank)
# http://www.ncbi.nlm.nih.gov/sites/entrez?db=nucleotide
my $query_string = 'escherichia coli [organism] 16S 100:150[slen]';

my $query = Bio::DB::Query::GenBank->new(   -db=>$db,
                                            -query=>$query_string,
        				                    -mindate => $mindate,
        				                    -maxdate => $maxdate,
                                            -reldate => $reldate,
                                            -datetype => $datetype,
                                            -ids => $ids,
                                            -maxids => $maxids
                                  );

# passage de cet objet de requêtes en argument à la méthode get_Stream_by_query
my $stream = $gb->get_Stream_by_query($query);

my @ListeGi;
print "Liste des séquences complémentaires\n\n\n";
while (my $seq = $stream->next_seq){
        my $Gi = $seq->primary_id();
        my $stringComp = $seq->revcom->seq();
        print " Gi : ".$Gi."\n";
        print " Séquence : ".$seq->seq()."\n";
        print " Complem  : $stringComp\n\n";
        push(@ListeGi, $Gi);
}
print "\n\nREQUETE COMPLEXE\n\n";
print "Liste des Gi trouvés pour 16S\n";
print map{$_."\n"} @ListeGi;

REQUETE BASEE SUR UN ACC

Acc = AM117601
Description = Escherichia coli partial 16S rRNA gene, isolate ASS Eco.


REQUETE BASEE SUR UNE LISTE D'ACC ET DE GI

>AM117601
GACCTCGGTTTAGTTCACAGAAGCCGTGTTCTCATCCTCCCGCCTCCTCCCCCGTAAAAAAGCCAGGGGGTGGAGGATTTAAGCCATCTCCTGATGACGCATAGTCAGCCCATCA
TGAATGTTGCTGTCGATGACAGGTTGTTACAAAGGGAGAAGGGCATGGCGAGCGTACAGCTGCAAAATGTAACGAAAGCCTGGGGCGAGGTCGTGGTATCGAAAGATATCAATCT
CGATATCCATGAAGGTGAATTCGTGGTGTTTGTCGGACCGTCTGGCTGCGGTAAATCGACTTTACTGCGCATGATTGCCGGGCTTGAGACGATCACCAGCGGCGACCTGTTCATC
GGTGAGAAACGGATGAATGACACTCCGCCAGCAGAACGCGGCGTTGGTATGGTGTTTCAGTCTTACGCGCTCTATCCCCACCTGTCAGTAGCAGAAAACATGTCATTTGGCCCGA
AACTGGCTGGCGCAAAAAAAGAGGTGATTAACCAACGCGTTAACCAGGTGGCGGAAGTGCTACAACTGGCGCATTTGCTGGATCGCAAACCGAAAGCGCTCTCCGGTGGTCAGCG
TCAGCGTGTG
>AM117600
CACACGCTGACGCTGACCACCGGAGAGCGCTTTCGGTTTGCGATCCAGCAAATGCGCCAGTTGCAGCACTTCCGCCACCTGGTTGACGCGTTGGTTAATCACCTCTTTTTTTGCG
CCAGCCAGTTTCAGGCCAAATGACATGTTTTCTGCTACTGACAGGTGGGGATAGAGCGCGTAAGACTGAAACACCATACCAACGCCGCGTTCTGCTGGCGGAGTGTCATTCATCC
GTTTCTCACCGATGAACAGGTCGCCGCTGGTGATCGTCTCAAGCCCGGCAATCATGCGCAGTAAAGTCGATTTACCGCAGCCAGACGGTCCGACAAACACCACGAATTCACCTTC
ATGGATATCGAGATTGATATCTTTCGATACCACGACCTCGCCCCAGGCTTTCGTTACATTTTGCAGCTGTACGCTCGCCATGCCCTTCTCCCTTTGTAACAACCTGTCATCGACA
GCAACATTCATGATGGGCTGACTATGCGTCATCAGGAGATGGCTTAAATCCTCCACCCCCTGGCTTTTTTATGGGGGAGGAGGCGGGAGGATGAGAACACGGCTTCTGTGAACTA
AACCGAGGTC
Liste des sÚquences complÚmentaires


 Gi : 2173347
 Séquence : GGTGGCGAAGGCGGCCCCCTGGACGAAGACTGACGCTCAGGTGCGAAAGCGTGGGGAGCAAACAGGATTAGATACCCTGGTAGTCCACGCCGTAAACGATGTC
GACTTGGAGGTTGTGCCCTTGAGGCGTGGCTTCC
 Complem  : GGAAGCCACGCCTCAAGGGCACAACCTCCAAGTCGACATCGTTTACGGCGTGGACTACCAGGGTATCTAATCCTGTTTGCTCCCCACGCTTTCGCACCTGAGC
GTCAGTCTTCGTCCAGGGGGCCGCCTTCGCCACC

 Gi : 2173346
 Séquence : GGGCTCAACCTGGGAACTGCATCTGATACTGGCAAGCTTGAGTCTCGTAGAGGGGGGTAGAATTCCAGGTGTAGCGGTGAAATGCGTAGAGATCTGGAGGAAT
ACC
 Complem  : GGTATTCCTCCAGATCTCTACGCATTTCACCGCTACACCTGGAATTCTACCCCCCTCTACGAGACTCAAGCTTGCCAGTATCAGATGCAGTTCCCAGGTTGAG
CCC

 Gi : 2173338
 Séquence : GCAACCCTTATCCTTTGTTGCCAGCGGTCCGGCCGGGAACTCAAAGGAGACTGCCAGTGATAAACTGGAGGAAGGTGGGGATGACGTCAAGTCATCATGGCCC
TTACGACCAGGGCTACACACGTGCTACAATGGC
 Complem  : GCCATTGTAGCACGTGTGTAGCCCTGGTCGTAAGGGCCATGATGACTTGACGTCATCCCCACCTTCCTCCAGTTTATCACTGGCAGTCTCCTTTGAGTTCCCG
GCCGGACCGCTGGCAACAAAGGATAAGGGTTGC

 Gi : 2173335
 Séquence : CGAGAGCAAGCGGACCTCATAAAGTGCGTCGTAGTCCGGATTGGAGTCTGCAACTCGACTCCATGAAGTCGGAATCGCTAGTAATCGTGGATCAGAATGCCAC
GGTGAATACGTTCCCGGGCCTTGTACACACCGCCCGT
 Complem  : ACGGGCGGTGTGTACAAGGCCCGGGAACGTATTCACCGTGGCATTCTGATCCACGATTACTAGCGATTCCGACTTCATGGAGTCGAGTTGCAGACTCCAATCC
GGACTACGACGCACTTTATGAGGTCCGCTTGCTCTCG

 Gi : 2173333
 Séquence : CGTTAAGTCGACCGTCTGGGGAGTACGGCCGCAAGGTTAAAACTCAAATGAATTGACGGGGGCCCGCACAAGCGGTGGAGCATGTGGTTTAATTCGATGCAAC
G
 Complem  : CGTTGCATCGAATTAAACCACATGCTCCACCGCTTGTGCGGGCCCCCGTCAATTCATTTGAGTTTTAACCTTGCGGCCGTACTCCCCAGACGGTCGACTTAAC
G

 Gi : 2173328
 Séquence : CAGCAGCCGCGGTAATACGGAGGGTGCAAGCGTTAATCGGAATTACTGGGCGTAAAGCGCACGCAGGCGGTTTGTTAAGTCAGATGTGAAATCCCCGGGCTCA
ACCTGGGAACTGCATCTGATACTGGCAAG
 Complem  : CTTGCCAGTATCAGATGCAGTTCCCAGGTTGAGCCCGGGGATTTCACATCTGACTTAACAAACCGCCTGCGTGCGCTTTACGCCCAGTAATTCCGATTAACGC
TTGCACCCTCCGTATTACCGCGGCTGCTG



REQUETE COMPLEXE

Liste des Gi trouvés pour 16S
2173347
2173346
2173338
2173335
2173333
2173328
Fin