Programmiersprachen in der Bioinformatik

Transkript

1 Programmiersprachen in der Bioinformatik

2 Bioinformatik In der Biologie immer größere Datenmengen (z.b. Genome, Proteinsequenzen) Sequenzanalyse, Strukturvorhersage Informationen in Datenbanken abrufbar machen Nur mit Hilfe von Computertechnik möglich

3 Sinnvolle (schnell, relativ unkompliziert) Verwendung von Computern für individuelle Probleme nur durch individuelle Programme Diese müssen eigens erstellt werden (Unter Anderem) Aufgabe der Bioinformatiker Mittels Programmiersprachen

4 Übersicht Programmiersprachen in der Bioinformatik Java, C/C++, Perl, Python und andere Jede Sprache hat ihre eigenen Vorzüge und Nachteile. Es gibt nicht DIE Programmiersprache. Es werden wahrscheinlich immer verschiedene höhere Programmiersprachen koexistieren

5 Verwandtschaft der Programmiersprachen

6 Java Grundlagen allen bekannt (Objektorientierung etc.) Verwendung in der Bioinformatik Bioinformatiker schreiben Programme für bestimmte Probleme/Aufgaben Diese werden in der Regel von Biologen genutzt Java bietet gute Möglichkeiten der GUI-Erstellung So können auch Wissenschaftler ohne computertechnisches Wissen die Programme einfach nutzen

7 Biojava Open Source Projekt, Version 3.0 Java Framework für die Verarbeitung biologischer Daten Im Grunde Sammlung von wichtigen Methoden: z.b. Reader/Writer für geläufige Dateiformate (Fasta, PDB, etc.), Suchalgorithmen oder Sequenzalignments, Strukturalignments berechnen und vieles mehr (CookBook 3.0)

8 Java basierte Programme in der Bioinformatik TIGR MultiExperiment Viewer (MEV) Vielzahl an Experimenten zur Analyse eines Genexpression- Musters(Open-Source) WebMol Analysiert Molekularstrukturinformationen Verwendet Java3D zur Visualisierung und Manipulation von komplexen Proteinstrukturen. Apollo Ermöglicht die Visualisierung und manuelle Annotation und die Erstellung von möglichen Genstrukturen Wurde verwendet für die Annotation des Fruchtfliegengenoms und Teilen des menschlichen Genoms verwendet

9 C Entstehung C: Anfang der 1970er Jahre im Zusammenhang mit dem BS Unix bei AT&T Bell Laboratories: Dennis Ritchie Unmittelbarer Vorgänger ist B (K. Thompson, 1970, ebenfalls bei Unix-Entwicklung) Wird auch als Kreuzung von Assembler und Pascal bezeichnet: ähnlich strukturiertes Programmieren wie in Pascal, fast so maschinennah wie Assembler

10 C C ist "universell" einsetzbar - FORTRAN z.b. nur für wissenschaftlich-technische Berechnungen Hat sich aufgrund seines eng begrenzten Sprachumfangs durchgesetzt. PL/I oder ALGOL68 dagegen nicht, weil zu komplex Trotzdem sehr große Flexibilität

11 Das alles führt dazu, dass C im Grunde Spielraum besitzt für alles zwischen hochportablem Code und sehr maschinennahem, nicht portablem Code ("höherer Assembler")

12 Beispielcode C

13

14

15 C++ Mitte der 1980er Jahre ebenfalls bei AT&T Bell Labs: B. Stroustrup. Erweiterung von C um die Möglichkeit der objektorientierten Programmierung und einige Verbesserungen bezüglich des Sprachumfangs von C C ist (nicht exakte) Teilmenge von C++

16 Bio++ Ist eine C++ Bibliothek für Sequenzanalyse, Phylogenetik, Populationsgenetik und molekulare Evolution Momentan Version 2.0.2

17 Beispielcode C++

18 Eigenschaften von C/C++ Große Verbreitung Gute Standardisierung (Sprache und Laufzeitsystem) Software relativ leicht portierbar Programme sind laufzeiteffektiv Compiler für alle relevanten Plattformen

19 Viele gute Programmiersysteme (Java: Eclipse, etc.; C/C++: Code::Blocks, C-Free, Eclipse, etc.) CASE-Tool Unterstützung (Computer Aided Software Engineering) Strukturiertes Programmieren ebenso möglich wie unstrukturiertes

20 Python Objektorientiert Von Guido van Rossum entwickelt Mehrere Programmierparadigmen unterstützt Open source

21 Anwender/Anwendungen Google Ubuntu Bit Torrent NASA: u.a. Mission Control Center

22 Module Große Standardbibliothek Programm anderer Sprachen als Modul Schnell und leicht eigene Module schreiben

23 Syntax Ziel: möglichst einfach und übersichtlich Keine Konstanten- und Variablendeklaration Einrückung als Blockbegrenzung Kein Semikolon Kein Datentyp BOOLEAN

24

25

26 >>> len("gattaca") 7 >>> "GAT" + "TACA" GATTACA' >>> "A" * 10 'AAAAAAAAAA' >>> "G" in "GATTACA" True >>> "GAT" in "GATTACA" True >>> "AGT" in "GATTACA" False >>> "GATTACA".find("ATT") 1 >>> "GATTACA".count("T") 2 >>>

27 >>> "GATTACA".lower() 'gattaca' >>> "gattaca".upper() 'GATTACA' >>> "GATTACA".replace("G", "U") 'UATTACA' >>> "GATTACA".replace("C", "U") 'GATTAUA' >>> "GATTACA".replace("AT", "**") 'G**TACA' >>> "GATTACA".startswith("G") True >>> "GATTACA".startswith("g") False >>>

28 >>> seq = raw_input("enter a DNA sequence: ") Enter a DNA sequence: ATGTATTGCATATCGT >>> seq.count("a") 4 >>> print "There are", seq.count("t"), "thymines" There are 7 thymines >>> "ATA" in seq True >>> substr = raw_input("enter a subsequence to find: ") Enter a subsequence to find: GCA >>> substr in seq True

29 Biopython Tools zu biologischen Berechnungen Werkzeuge für Operationen auf Sequenzen Schnittstellen für andere biologischen Module

30 Perl Practical Extraction and Report Language Von Larry Wall 1987 entwickelt Plattformunabhängige, interpretierende Programmiersprache Mehrere Programmierparadigmen unterstützt glue -language

31 Prinzipien Mehrere Wege There is more than one way to do it Einfach und Möglich Perl makes easy jobs easy and hard jobs possible

32 Syntax Variablen Skalare Datentypen: $zahl = 50; $zahl = 0,01; $zahl = 1e-2; $name = Günther

33 Syntax = (1, 2, drei, $vier) Hash-Tabellen werden mit % gekennzeichnet

34 Wichtige Module CGI: CGISchnittstelle für WebServer LWP: Bibliothek für Internetzugriffe MySQL: Schnittstell zu MySQLDatenbank

35 Laufzeitvergleich Laufzeit für Algorithmus für globales Alignment Input: 2 Sequenzen: 3216bp und 3217bp

36 Laufzeitvergleich Laufzeit für Neighbor-Joining Input: 76 DNA-Sequenzen

37 Speicherbedarf

38 Andere Programmiersprachen in der Bioinformatik Ruby Skriptsprache, BioRuby FORTRAN C# Höhere Programmiersprache, PROMOT Höhere Programmiersprache, BioC#