Trilha 5 · Python, Biopython

Automação e análise de sequências

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

Arquivos em /data/

exemplo.fasta
Sequências fictícias para treino

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

Passo 1 · Funções reutilizáveis

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.

Quando uma conta se repete, vale guardá-la numa função. Assim você analisa uma sequência ou mil com a mesma linha de código.

Célula de código

def gc_percentual(seq):
    seq = seq.upper()
    return (seq.count("G") + seq.count("C")) / len(seq) * 100

print(round(gc_percentual("ATGGCCCTGTGGATGCGC"), 1))
print(round(gc_percentual("ATATAT"), 1))

Saída

Desafio

Escreva at_percentual(seq), a porcentagem de bases A e T.

Seu código

def at_percentual(seq):
    # complete aqui
    return 0

print(at_percentual("ATGC"))

Saída

Passo 2 · Percorrer um arquivo FASTA

Com um laço sobre SeqIO.parse você aplica a função a todos os registros e guarda os resultados numa lista de tuplas.

Célula de código

from Bio import SeqIO

def gc_percentual(seq):
    seq = seq.upper()
    return (seq.count("G") + seq.count("C")) / len(seq) * 100

resultados = []
for r in SeqIO.parse("/data/exemplo.fasta", "fasta"):
    resultados.append((r.id, len(r.seq), round(gc_percentual(str(r.seq)), 1)))

for linha in resultados:
    print(linha)

Saída

Desafio

Crie a lista curtas com os identificadores dos registros que têm menos de 35 bases.

Seu código

from Bio import SeqIO

curtas = []
# percorra o arquivo e use if len(r.seq) < 35

print(curtas)

Saída

Passo 3 · Procurar o início de uma proteína

A tradução começa no códon ATG. Com find("ATG") achamos a posição; depois cortamos a sequência até um múltiplo de 3 e traduzimos com to_stop=True, que para no primeiro códon de parada.

Célula de código

from Bio.Seq import Seq

dna = Seq("CCATGGCCCTGTGGTAAGG")

inicio = dna.find("ATG")
print("ATG começa na posição", inicio)

fase = dna[inicio:]
fase = fase[: len(fase) - len(fase) % 3]
print(fase.translate(to_stop=True))

Saída

Desafio

Faça o mesmo com GGATGAAATTTTAGCC e guarde a proteína em proteina.

Seu código

from Bio.Seq import Seq

dna = Seq("GGATGAAATTTTAGCC")

proteina = ""
print(proteina)

Saída

Passo 4 · Resumo em tabela com pandas

O pandas organiza dados em tabelas (DataFrame). Uma lista de tuplas vira tabela, e cada coluna tem estatísticas prontas, como .mean().

Célula de código

import pandas as pd
from Bio import SeqIO

linhas = []
for r in SeqIO.parse("/data/exemplo.fasta", "fasta"):
    s = str(r.seq)
    linhas.append((r.id, len(s), (s.count("G") + s.count("C")) / len(s) * 100))

tabela = pd.DataFrame(linhas, columns=["id", "tamanho", "gc"])
print(tabela.round(1))
print("Tamanho médio:", tabela["tamanho"].mean())

Saída

Desafio

Guarde em media_gc a média da coluna gc da tabela.

Seu código

# execute antes a célula acima
media_gc = 0
print(media_gc)

Saída

Passo 5 · Desafio da trilha: resumo automático

Transforme tudo numa função que recebe o caminho de um arquivo FASTA e devolve um dicionário identificador → tamanho.

Desafio

Escreva resumo(caminho).

Seu código

from Bio import SeqIO

def resumo(caminho):
    # complete aqui
    return {}

print(resumo("/data/exemplo.fasta"))

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.