Python ve R'a Giriş Introduction to Python and R

Biyoinformatik analizlerde iki programlama dili öne çıkmaktadır: R ve Python. Her ikisi de açık kaynaklı, ücretsiz ve geniş bir biyoinformatik kütüphane ekosistemine sahiptir. R, istatistiksel analizler ve görselleştirme konusunda güçlüdür; Python ise genel programlama, otomasyon ve makine öğrenmesi uygulamaları için tercih edilir.

---

Python ile Biyoinformatik

Python, okunabilir sözdizimi ve geniş kütüphane desteği sayesinde biyoinformatik için ideal bir dildir. Temel biyoinformatik görevlerin büyük çoğunluğu Python ile yapılabilir.

Temel Python Kavramları

# Değişkenler ve veri tipleri
isim = "Homo sapiens"
gen_sayisi = 20000
gc_orani = 0.41

# Listeler
bazlar = ["A", "T", "G", "C"]

# Sözlükler (dictionary)
kodon = {"ATG": "Met", "TAA": "Stop", "TGA": "Stop"}

# Döngüler
for baz in bazlar:
    print(baz)

# Fonksiyonlar
def gc_hesapla(dizi):
    gc = dizi.count("G") + dizi.count("C")
    return gc / len(dizi) * 100

# Kullanım
dna = "ATGCGATCGATCG"
print(f"GC oranı: {gc_hesapla(dna):.1f}%")

BioPython — Biyoinformatik Kütüphanesi

BioPython, DNA/protein dizileri, FASTA dosyaları, veritabanı sorguları ve filogenetik analizler için kapsamlı araçlar sunar.

# BioPython kurulumu
# conda install -c conda-forge biopython

from Bio import SeqIO
from Bio.Seq import Seq

# FASTA dosyası okuma
for record in SeqIO.parse("sekanslar.fasta", "fasta"):
    print(record.id, len(record.seq))

# Dizi işlemleri
dizi = Seq("ATGCGATCGATCG")
print("Kompleman:", dizi.complement())
print("Ters kompleman:", dizi.reverse_complement())
print("Protein:", dizi.translate())

# NCBI'den dizi indirme
from Bio import Entrez
Entrez.email = "email@ornek.com"
handle = Entrez.efetch(db="nucleotide", id="MK033133", rettype="fasta")
kayit = SeqIO.read(handle, "fasta")
print(kayit.description)

Pandas — Veri Analizi

import pandas as pd

# CSV dosyası okuma
df = pd.read_csv("sonuclar.csv")

# Temel istatistikler
print(df.describe())

# Filtreleme
yuksek_kalite = df[df["quality_score"] > 30]

# Gruplama
df.groupby("genus")["coverage"].mean()

---

R ile Biyoinformatik

R, istatistiksel hesaplamalar ve veri görselleştirme konusunda sektör standardı konumundadır. Bioconductor platformu, genomik analizler için binlerce özel paket barındırır.

Temel R Kavramları

# Vektörler
gc_oranlari <- c(0.41, 0.52, 0.38, 0.65)
mean(gc_oranlari)   # Ortalama
sd(gc_oranlari)     # Standart sapma

# Veri çerçevesi (data.frame)
sonuclar <- data.frame(
  ornek = c("S1", "S2", "S3"),
  kapsama = c(50, 120, 80),
  kalite = c(35, 38, 32)
)

# Filtreleme
yuksek <- sonuclar[sonuclar$kapsama > 100, ]

# Fonksiyon tanımlama
gc_hesapla <- function(dizi) {
  gc <- nchar(gsub("[^GC]", "", dizi))
  gc / nchar(dizi) * 100
}

gc_hesapla("ATGCGCTAGC")

ggplot2 — Görselleştirme

library(ggplot2)

# Örnek veri
df <- data.frame(
  organizma = c("E. coli", "S. aureus", "B. subtilis"),
  gc_orani = c(50.8, 32.9, 43.5)
)

# Çubuk grafik
ggplot(df, aes(x = organizma, y = gc_orani, fill = organizma)) +
  geom_bar(stat = "identity") +
  labs(title = "GC Oranı Karşılaştırması",
       x = "Organizma", y = "GC Oranı (%)") +
  theme_minimal()

Bioconductor — Genomik Analizler

# Bioconductor kurulumu
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("Biostrings")

library(Biostrings)

# FASTA okuma
diziler <- readDNAStringSet("sekanslar.fasta")
width(diziler)          # Dizi uzunlukları
letterFrequency(diziler, "GC")  # GC içeriği

---

Jupyter Notebook

Jupyter Notebook, Python ve R kodlarını, açıklamaları ve görselleştirmeleri tek bir belgede birleştirmenizi sağlayan etkileşimli bir platformdur. Biyoinformatik analizlerin tekrarlanabilir belgelenmesi için idealdir.

# Jupyter kurulumu
conda install -c conda-forge jupyter

# Başlatma
jupyter notebook

# Variables and data types
name = "Homo sapiens"
gene_count = 20000
gc_ratio = 0.41

# Lists
bases = ["A", "T", "G", "C"]

# Dictionaries
codon = {"ATG": "Met", "TAA": "Stop", "TGA": "Stop"}

# Loops
for base in bases:
    print(base)

# Functions
def calc_gc(sequence):
    gc = sequence.count("G") + sequence.count("C")
    return gc / len(sequence) * 100

# Usage
dna = "ATGCGATCGATCG"
print(f"GC content: {calc_gc(dna):.1f}%")

# Install BioPython
# conda install -c conda-forge biopython

from Bio import SeqIO
from Bio.Seq import Seq

# Reading FASTA file
for record in SeqIO.parse("sequences.fasta", "fasta"):
    print(record.id, len(record.seq))

# Sequence operations
seq = Seq("ATGCGATCGATCG")
print("Complement:", seq.complement())
print("Reverse complement:", seq.reverse_complement())
print("Protein:", seq.translate())

# Download sequence from NCBI
from Bio import Entrez
Entrez.email = "email@example.com"
handle = Entrez.efetch(db="nucleotide", id="MK033133", rettype="fasta")
record = SeqIO.read(handle, "fasta")
print(record.description)

import pandas as pd

# Read CSV file
df = pd.read_csv("results.csv")

# Basic statistics
print(df.describe())

# Filtering
high_quality = df[df["quality_score"] > 30]

# Grouping
df.groupby("genus")["coverage"].mean()

# Vectors
gc_ratios <- c(0.41, 0.52, 0.38, 0.65)
mean(gc_ratios)   # Mean
sd(gc_ratios)     # Standard deviation

# Data frame
results <- data.frame(
  sample = c("S1", "S2", "S3"),
  coverage = c(50, 120, 80),
  quality = c(35, 38, 32)
)

# Filtering
high <- results[results$coverage > 100, ]

# Function definition
calc_gc <- function(sequence) {
  gc <- nchar(gsub("[^GC]", "", sequence))
  gc / nchar(sequence) * 100
}

calc_gc("ATGCGCTAGC")

library(ggplot2)

df <- data.frame(
  organism = c("E. coli", "S. aureus", "B. subtilis"),
  gc_ratio = c(50.8, 32.9, 43.5)
)

ggplot(df, aes(x = organism, y = gc_ratio, fill = organism)) +
  geom_bar(stat = "identity") +
  labs(title = "GC Content Comparison",
       x = "Organism", y = "GC Content (%)") +
  theme_minimal()

# Install Bioconductor
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("Biostrings")

library(Biostrings)

# Read FASTA
sequences <- readDNAStringSet("sequences.fasta")
width(sequences)                    # Sequence lengths
letterFrequency(sequences, "GC")   # GC content

# Install Jupyter
conda install -c conda-forge jupyter

# Launch
jupyter notebook