Trilha 3 · Biopython

Arquivos FASTA e GenBank

A aula interativa precisa de JavaScript para executar o Python no seu navegador.

Arquivos em /data/

exemplo.fasta
Sequência fictícia para treino
exemplo.gb
Registro GenBank fictício para treino

O ambiente Python é preparado na primeira vez que você executa uma célula.

Passo 1 · Abrir um arquivo FASTA

Rascunho a revisar: este conteúdo foi escrito com ajuda de IA e ainda precisa ser revisado pelo professor antes de ser usado em aula. Os dados e as sequências são fictícios.

O formato FASTA guarda sequências em texto simples: uma linha que começa com > (o cabeçalho, com o nome) seguida das linhas da sequência.

Os arquivos da trilha ficam na pasta /data/ da aula. O exemplo.fasta é sintético: sequências fictícias para treino.

Célula de código

with open("/data/exemplo.fasta") as arquivo:
    print(arquivo.read())

Saída

O Biopython lê o arquivo por você e separa cada registro:

Célula de código

from Bio import SeqIO

for registro in SeqIO.parse("/data/exemplo.fasta", "fasta"):
    print(registro.id, len(registro.seq))

Saída

Desafio

Guarde na lista ids o identificador de cada registro do arquivo.

Seu código

from Bio import SeqIO

ids = []
# percorra os registros e preencha a lista

print(ids)

Saída

Passo 2 · Ler e contar bases

Cada registro tem .seq, um objeto Seq com métodos como count(). Para a porcentagem de G+C existe gc_fraction.

Célula de código

from Bio import SeqIO
from Bio.SeqUtils import gc_fraction

for registro in SeqIO.parse("/data/exemplo.fasta", "fasta"):
    seq = registro.seq
    print(registro.id)
    print("  A:", seq.count("A"), " T:", seq.count("T"), " G:", seq.count("G"), " C:", seq.count("C"))
    print(f"  GC: {gc_fraction(seq) * 100:.1f}%")

Saída

Desafio

Guarde em maior o identificador do registro mais longo do arquivo.

Seu código

from Bio import SeqIO

maior = ""
# compare os tamanhos com len(registro.seq)

print(maior)

Saída

Passo 3 · Traduzir para proteína

Uma proteína é escrita no DNA em trincas de bases, chamadas códons. O Biopython faz essa tradução por você. Rode a célula abaixo e observe o resultado.

Célula de código

from Bio.Seq import Seq

dna = Seq("ATGGCCCTGTGGATGCGC")

print("Tamanho:", len(dna), "bases")
gc = (dna.count("G") + dna.count("C")) / len(dna) * 100
print(f"GC: {gc:.1f}%")
print("Proteína:", dna.translate())

Saída

Desafio

Troque a sequência por outra de 18 bases e preveja o GC antes de executar. Depois confira. Acertou?

Seu código

from Bio.Seq import Seq

dna = Seq("ATGGCCCTGTGGATGCGC")  # troque por outra sequência de 18 bases

gc = (dna.count("G") + dna.count("C")) / len(dna) * 100
print(f"GC: {gc:.1f}%")

Saída

Passo 4 · Ler um registro GenBank

O formato GenBank guarda a sequência e também as anotações (features): genes, regiões codificantes (CDS) e outras. O arquivo exemplo.gb é fictício. Como tem um único registro, usamos SeqIO.read.

Célula de código

from Bio import SeqIO

registro = SeqIO.read("/data/exemplo.gb", "genbank")
print(registro.id)
print(registro.description)
print(len(registro.seq), "bases")

for f in registro.features:
    print(f.type, f.location)

Saída

Desafio

Guarde em n_features quantas anotações o registro tem.

Seu código

from Bio import SeqIO

registro = SeqIO.read("/data/exemplo.gb", "genbank")
n_features = 0
print(n_features)

Saída

Passo 5 · Mini-desafio da trilha

Junte o que aprendeu: leia o exemplo.fasta e traduza cada sequência para proteína com .translate(). Guarde o resultado num dicionário proteinas (identificador → proteína, como texto).

Desafio

Preencha o dicionário proteinas com a tradução de cada registro do exemplo.fasta.

Seu código

from Bio import SeqIO

proteinas = {}
# para cada registro: proteinas[registro.id] = str(registro.seq.translate())

print(proteinas)

Saída

O Python roda só no seu navegador (Pyodide). A verificação dos desafios é um feedback para aprender, não uma nota: o código da verificação fica visível no navegador.