Trilha 7 · matplotlib, seaborn

Visualização de dados biológicos

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 · Primeiro gráfico: composição de bases

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 matplotlib desenha gráficos. Aqui a figura aparece sozinha abaixo da célula (não precisa de plt.show()). As cores abaixo foram escolhidas para serem distinguíveis também por quem tem daltonismo.

Célula de código

import matplotlib.pyplot as plt

contagem = {"A": 2, "T": 4, "G": 7, "C": 5}

plt.bar(list(contagem.keys()), list(contagem.values()), color=["#0072B2", "#D55E00", "#009E73", "#E69F00"])
plt.title("Composição de bases")
plt.xlabel("Base")
plt.ylabel("Quantidade")
plt.tight_layout()

Saída

Desafio

Conte as bases de AATTTG e guarde no dicionário contagem (depois, se quiser, desenhe as barras).

Seu código

seq = "AATTTG"

contagem = {}
# preencha o dicionário

print(contagem)

Saída

Passo 2 · Linhas: GC ao longo da sequência

Para ver como o GC muda ao longo de uma sequência, divida-a em janelas e calcule o GC de cada uma. Depois desenhe uma linha com plt.plot.

Célula de código

import matplotlib.pyplot as plt

seq = "ATGGCCCTGTGGATGCGCCTGCTGCCGCTGCTGGCG"
janela = 6

gc = []
for i in range(0, len(seq) - janela + 1, janela):
    trecho = seq[i:i + janela]
    gc.append((trecho.count("G") + trecho.count("C")) / janela * 100)

plt.plot(range(1, len(gc) + 1), gc, marker="o", color="#009E73")
plt.title("GC por janela de " + str(janela) + " bases")
plt.xlabel("Janela")
plt.ylabel("GC (%)")
print([round(x, 1) for x in gc])

Saída

Desafio

Mude a janela para 3 bases e guarde o resultado em gc (uma lista com um valor por janela).

Seu código

seq = "ATGGCCCTGTGGATGCGCCTGCTGCCGCTGCTGGCG"
janela = 6

gc = []
for i in range(0, len(seq) - janela + 1, janela):
    trecho = seq[i:i + janela]
    gc.append((trecho.count("G") + trecho.count("C")) / janela * 100)
print(len(gc))

Saída

Passo 3 · Histograma de tamanhos

O histograma mostra como os valores se distribuem: agrupa em faixas (bins) e conta quantos caem em cada uma. Os tamanhos abaixo são fictícios.

Célula de código

import matplotlib.pyplot as plt
import pandas as pd

tamanhos = [33, 36, 40, 28, 36, 45, 30, 38, 36, 52]

plt.hist(tamanhos, bins=5, color="#0072B2", edgecolor="white")
plt.title("Tamanhos das sequências (fictícios)")
plt.xlabel("Tamanho (bases)")
plt.ylabel("Quantidade de sequências")

print(pd.Series(tamanhos).describe().round(1))

Saída

Desafio

Guarde em media o tamanho médio da lista tamanhos.

Seu código

tamanhos = [33, 36, 40, 28, 36, 45, 30, 38, 36, 52]

media = 0
print(media)

Saída

Passo 4 · seaborn: gráficos a partir de tabelas

O seaborn desenha gráficos prontos a partir de uma tabela do pandas e cuida de cores e legendas. Aqui comparamos a composição de bases de duas sequências do exemplo.fasta.

No Pyodide o seaborn é carregado do próprio servidor do CBA na primeira vez que você usa import seaborn.

Célula de código

import pandas as pd
import seaborn as sns
from Bio import SeqIO

linhas = []
for r in SeqIO.parse("/data/exemplo.fasta", "fasta"):
    for base in "ATGC":
        linhas.append((r.id, base, str(r.seq).count(base)))

dados = pd.DataFrame(linhas, columns=["sequencia", "base", "quantidade"])
sns.barplot(data=dados, x="base", y="quantidade", hue="sequencia", palette=["#0072B2", "#E69F00"])
print(dados)

Saída

Desafio

Guarde em frequentes as linhas da tabela dados com quantidade maior que 8.

Seu código

# execute antes a célula acima
frequentes = dados
print(frequentes)

Saída

Passo 5 · Desafio da trilha: gráfico de GC

Um bom gráfico tem título, nomes nos eixos e uma conclusão que se lê rápido. Faça um gráfico de barras com o GC de quatro sequências fictícias e descubra qual tem o maior valor.

Desafio

Desenhe as barras de gcs (uma por sequência em nomes) e guarde em maior_gc o maior valor.

Seu código

import matplotlib.pyplot as plt

nomes = ["S1", "S2", "S3", "S4"]
gcs = [42.5, 61.0, 55.3, 38.9]

plt.bar(nomes, gcs, color="#009E73")
plt.title("GC por sequência (fictício)")
plt.ylabel("GC (%)")

maior_gc = 0
print(maior_gc)

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.