Biopython

Biopython: Computational Molecular Biology in Python

Überblick

Biopython ist eine umfassende Sammlung von frei verfügbaren Python-Werkzeugen für biologische Berechnungen. Es bietet Funktionalitäten für Sequenzmanipulation, Datei-I/O, Datenbankzugriff, strukturelle Bioinformatik, Phylogenetik und viele andere Bioinformatik-Aufgaben. Die aktuelle Version ist Biopython 1.87 (veröffentlicht am 30. März 2026). Es unterstützt Python 3.10-3.14 und PyPy3.10 und benötigt NumPy. Biopython 1.87 adressiert auch CVE-2025-68463 in Bio.Entrez.Parser beim Parsen von nicht vertrauenswürdigen Dateien, daher bevorzugen Sie 1.87+ für Workflows, die extern bereitgestellte Entrez-XML parsen.

Wann dieses Skill verwendet werden sollte

Verwenden Sie dieses Skill, wenn:

• Sie mit biologischen Sequenzen (DNA, RNA oder Protein) arbeiten
• Sie biologische Dateiformate (FASTA, GenBank, FASTQ, PDB, mmCIF usw.) lesen, schreiben oder konvertieren
• Sie über Entrez auf NCBI-Datenbanken (GenBank, PubMed, Protein, Gene usw.) zugreifen
• Sie BLAST-Suchen durchführen oder BLAST-Ergebnisse parsen
• Sie Sequenzalignments (paarweise oder multiple Sequenzalignments) durchführen
• Sie Proteinstrukturen aus PDB-Dateien analysieren
• Sie phylogenetische Bäume erstellen, manipulieren oder visualisieren
• Sie Sequenzmotive finden oder Motivmuster analysieren
• Sie Sequenzstatistiken berechnen (GC-Gehalt, Molekulargewicht, Schmelztemperatur usw.)
• Sie strukturelle Bioinformatik-Aufgaben durchführen
• Sie mit populationsgenetischen Daten arbeiten
• Jede andere computergestützte molekularbiologische Aufgabe

Kernfähigkeiten

Biopython ist in modulare Unterpakete organisiert, die jeweils spezifische Bioinformatik-Domänen abdecken:

1. Sequenzverarbeitung - Bio.Seq und Bio.SeqIO für Sequenzmanipulation und Datei-I/O
2. Alignments-Analyse - Bio.Align und Bio.AlignIO für paarweise und multiple Sequenzalignments
3. Datenbankzugriff - Bio.Entrez für programmatischen Zugriff auf NCBI-Datenbanken
4. BLAST-Operationen - Bio.Blast zum Ausführen und Parsen von BLAST-Suchen
5. Strukturelle Bioinformatik - Bio.PDB für die Arbeit mit 3D-Proteinstrukturen
6. Phylogenetik - Bio.Phylo für Manipulation und Visualisierung phylogenetischer Bäume
7. Erweiterte Funktionen - Motive, Populationsgenetik, Sequenzhilfsfunktionen und mehr

Installation und Einrichtung

Installieren Sie die aktuelle stabile Biopython-Version mit einem expliziten Versions-Pin für Reproduzierbarkeit:

uv pip install "biopython==1.87"

Für den Zugriff auf NCBI-Datenbanken setzen Sie immer Ihre E-Mail-Adresse (von NCBI verlangt). Für wiederverwendbare Software setzen Sie einen stabilen Entrez.tool-Wert und registrieren Sie das Tool/die E-Mail bei NCBI. Für höhere Ratenlimits (10 req/s statt 3 req/s) lesen Sie nur NCBI_API_KEY aus der Umgebung – harten Sie keine Schlüssel ein und laden Sie keine nicht zusammenhängenden Umgebungsvariablen:

import os
from Bio import Entrez

Entrez.email = "[email protected]"  # erforderlich – verwenden Sie Ihre echte E-Mail
Entrez.tool = "your_tool_name"  # optional, aber empfohlen für wiederverwendbare Software

# Optional: Registrieren Sie sich unter https://www.ncbi.nlm.nih.gov/account/settings/
if api_key := os.environ.get("NCBI_API_KEY"):
    Entrez.api_key = api_key

Verwendung dieses Skills

Dieses Skill bietet umfassende Dokumentation, organisiert nach Funktionsbereichen. Wenn Sie an einer Aufgabe arbeiten, konsultieren Sie die relevante Referenzdokumentation:

1. Sequenzverarbeitung (Bio.Seq & Bio.SeqIO)

Referenz: references/sequence_io.md

Verwenden für:

• Erstellen und Manipulieren biologischer Sequenzen
• Lesen und Schreiben von Sequenzdateien (FASTA, GenBank, FASTQ usw.)
• Konvertieren zwischen Dateiformaten
• Extrahieren von Sequenzen aus großen Dateien
• Sequenzübersetzung, Transkription und reverse Komplement
• Arbeiten mit SeqRecord-Objekten

Kurzbeispiel:

from Bio import SeqIO

# Sequenzen aus FASTA-Datei lesen
for record in SeqIO.parse("sequences.fasta", "fasta"):
    print(f"{record.id}: {len(record.seq)} bp")

# GenBank in FASTA konvertieren
SeqIO.convert("input.gb", "genbank", "output.fasta", "fasta")

2. Alignments-Analyse (Bio.Align & Bio.AlignIO)

Referenz: references/alignment.md

Verwenden für:

• Paarweise Sequenzalignment (global und lokal)
• Lesen und Schreiben multipler Sequenzalignments
• Verwenden von Substitutionsmatrizen (BLOSUM, PAM)
• Berechnen von Alignments-Statistiken
• Anpassen von Alignments-Parametern

Kurzbeispiel:

from Bio import Align

# Paarweises Alignment
aligner = Align.PairwiseAligner()
aligner.mode = 'global'
alignments = aligner.align("ACCGGT", "ACGGT")
print(alignments[0])

3. Datenbankzugriff (Bio.Entrez)

Referenz: references/databases.md

Verwenden für:

• Durchsuchen von NCBI-Datenbanken (PubMed, GenBank, Protein, Gene usw.)
• Herunterladen von Sequenzen und Datensätzen
• Abrufen von Publikationsinformationen
• Finden verwandter Datensätze über Datenbanken hinweg
• Batch-Download mit angemessener Ratenbegrenzung

Kurzbeispiel:

from Bio import Entrez
Entrez.email = "[email protected]"

# PubMed durchsuchen
handle = Entrez.esearch(db="pubmed", term="biopython", retmax=10)
results = Entrez.read(handle)
handle.close()
print(f"{results['Count']} Ergebnisse gefunden")

4. BLAST-Operationen (Bio.Blast)

Referenz: references/blast.md

Verwenden für:

• Ausführen von BLAST-Suchen über NCBI-Webdienste
• Ausführen lokaler BLAST-Suchen
• Parsen von BLAST-XML-Ausgaben
• Filtern von Ergebnissen nach E-Wert oder Identität
• Extrahieren von Treffersequenzen

Kurzbeispiel:

from Bio.Blast import NCBIWWW, NCBIXML

# BLAST-Suche ausführen
result_handle = NCBIWWW.qblast("blastn", "nt", "ATCGATCGATCG")
blast_record = NCBIXML.read(result_handle)

# Top-Treffer anzeigen
for alignment in blast_record.alignments[:5]:
    print(f"{alignment.title}: E-Wert={alignment.hsps[0].expect}")

5. Strukturelle Bioinformatik (Bio.PDB)

Referenz: references/structure.md

Verwenden für:

• Parsen von PDB- und mmCIF-Strukturdateien
• Navigieren in der Proteinstruktur-Hierarchie (SMCRA: Struktur/Modell/Kette/Rest/Atom)
• Berechnen von Abständen, Winkeln und Diederwinkeln
• Sekundärstrukturzuweisung (DSSP)
• Strukturüberlagerung und RMSD-Berechnung
• Extrahieren von Sequenzen aus Strukturen

Kurzbeispiel:

from Bio.PDB import PDBParser

# Struktur parsen
parser = PDBParser(QUIET=True)
structure = parser.get_structure("1crn", "1crn.pdb")

# Abstand zwischen Alpha-Kohlenstoffen berechnen
chain = structure[0]["A"]
distance = chain[10]["CA"] - chain[20]["CA"]
print(f"Abstand: {distance:.2f} Å")

6. Phylogenetik (Bio.Phylo)

Referenz: references/phylogenetics.md

Verwenden für:

• Lesen und Schreiben phylogenetischer Bäume (Newick, NEXUS, phyloXML)
• Erstellen von Bäumen aus Distanzmatrizen oder Alignments
• Baummanipulation (Beschneiden, Neuwurzeln, Ladderizing)
• Berechnen phylogenetischer Distanzen
• Erstellen von Konsensusbäumen
• Visualisieren von Bäumen

Kurzbeispiel:

from Bio import Phylo

# Baum lesen und visualisieren
tree = Phylo.read("tree.nwk", "newick")
Phylo.draw_ascii(tree)

# Distanz berechnen
abstand = tree.distance("Species_A", "Species_B")
print(f"Abstand: {abstand:.3f}")

7. Erweiterte Funktionen

Referenz: references/advanced.md

Verwenden für:

• Sequenzmotive (Bio.motifs) - Finden und Analysieren von Motivmustern
• Populationsgenetik (Bio.PopGen) - GenePop-Dateien, Fst-Berechnungen, Hardy-Weinberg-Tests
• Sequenzhilfsfunktionen (Bio.SeqUtils) - GC-Gehalt, Schmelztemperatur, Molekulargewicht, Proteinanalyse
• Restriktionsanalyse (Bio.Restriction) - Finden von Restriktionsenzym-Schnittstellen
• Clustering (Bio.Cluster) - K-Means und hierarchisches Clustering
• Genomdiagramme (GenomeDiagram) - Visualisieren genomischer Merkmale

Kurzbeispiel:

from Bio.SeqUtils import gc_fraction, molecular_weight
from Bio.Seq import Seq

seq = Seq("ATCGATCGATCG")
print(f"GC-Gehalt: {gc_fraction(seq):.2%}")
print(f"Molekulargewicht: {molecular_weight(seq, seq_type='DNA'):.2f} g/mol")

Allgemeine Workflow-Richtlinien

Dokumentation lesen

Wenn ein Benutzer nach einer spezifischen Biopython-Aufgabe fragt:

1. Identifizieren Sie das relevante Modul basierend auf der Aufgabenbeschreibung
2. Lesen Sie die entsprechende Referenzdatei mit dem Read-Tool
3. Extrahieren Sie relevante Code-Muster und passen Sie sie an die spezifischen Bedürfnisse des Benutzers an
4. Kombinieren Sie mehrere Module, wenn die Aufgabe dies erfordert

Beispiel-Suchmuster für Referenzdateien:

# Informationen zu bestimmten Funktionen finden
rg -n "SeqIO.parse" references/sequence_io.md

# Beispiele für bestimmte Aufgaben finden
rg -n "BLAST" references/blast.md

# Informationen zu bestimmten Konzepten finden
rg -n "alignment" references/alignment.md

Biopython-Code schreiben

Folgen Sie diesen Prinzipien beim Schreiben von Biopython-Code:

1. Module explizit importieren

   from Bio import SeqIO, Entrez
   from Bio.Seq import Seq
   

2. Entrez-E-Mail setzen bei Verwendung von NCBI-Datenbanken; laden Sie nur NCBI_API_KEY aus der Umgebung, falls vorhanden

   import os
   from Bio import Entrez
   
   Entrez.email = "[email protected]"
   Entrez.tool = "your_tool_name"
   if api_key := os.environ.get("NCBI_API_KEY"):
       Entrez.api_key = api_key
   

3. Geeignete Dateiformate verwenden - Prüfen Sie, welches Format am besten für die Aufgabe geeignet ist

   # Häufige Formate: "fasta", "genbank", "fastq", "clustal", "phylip"
   

4. Dateien ordnungsgemäß behandeln - Schließen Sie Handles nach Gebrauch oder verwenden Sie Kontextmanager

   with open("file.fasta") as handle:
       records = SeqIO.parse(handle, "fasta")
   

5. Iteratoren für große Dateien verwenden - Vermeiden Sie, alles in den Speicher zu laden

   for record in SeqIO.parse("large_file.fasta", "fasta"):
       # Verarbeiten Sie einen Datensatz nach dem anderen
   

6. Fehler ordnungsgemäß behandeln - Netzwerkoperationen und Dateiparsing können fehlschlagen

   from urllib.error import HTTPError
   
   try:
       handle = Entrez.efetch(db="nucleotide", id=accession)
   except HTTPError as e:
       print(f"Fehler: {e}")
   

Häufige Muster

Muster 1: Sequenz von GenBank abrufen

from Bio import Entrez, SeqIO

Entrez.email = "[email protected]"

# Sequenz abrufen
handle = Entrez.efetch(db="nucleotide", id="EU490707", rettype="gb", retmode="text")
record = SeqIO.read(handle, "genbank")
handle.close()

print(f"Beschreibung: {record.description}")
print(f"Sequenzlänge: {len(record.seq)}")

Muster 2: Sequenzanalyse-Pipeline

from Bio import SeqIO
from Bio.SeqUtils import gc_fraction

for record in SeqIO.parse("sequences.fasta", "fasta"):
    # Statistiken berechnen
    gc = gc_fraction(record.seq)
    laenge = len(record.seq)

    # ORFs finden, übersetzen usw.
    protein = record.seq.translate()

    print(f"{record.id}: {laenge} bp, GC={gc:.2%}")

Muster 3: BLAST und Top-Treffer abrufen

from Bio.Blast import NCBIWWW, NCBIXML
from Bio import Entrez, SeqIO

Entrez.email = "[email protected]"

# BLAST ausführen
result_handle = NCBIWWW.qblast("blastn", "nt", sequence)
blast_record = NCBIXML.read(result_handle)

# Top-Treffer-Zugriffsnummern abrufen
accessions = [aln.accession for aln in blast_record.alignments[:5]]

# Sequenzen abrufen
for acc in accessions:
    handle = Entrez.efetch(db="nucleotide", id=acc, rettype="fasta", retmode="text")
    record = SeqIO.read(handle, "fasta")
    handle.close()
    print(f">{record.description}")

Muster 4: Phylogenetischen Baum aus Sequenzen erstellen

from Bio import AlignIO, Phylo
from Bio.Phylo.TreeConstruction import DistanceCalculator, DistanceTreeConstructor

# Alignment lesen
alignment = AlignIO.read("alignment.fasta", "fasta")

# Abstände berechnen
calculator = DistanceCalculator("identity")
dm = calculator.get_distance(alignment)

# Baum erstellen
constructor = DistanceTreeConstructor()
tree = constructor.nj(dm)

# Visualisieren
Phylo.draw_ascii(tree)

Best Practices

1. Lesen Sie immer die relevante Referenzdokumentation, bevor Sie Code schreiben
2. Verwenden Sie grep, um Referenzdateien nach bestimmten Funktionen oder Beispielen zu durchsuchen
3. Validieren Sie Dateiformate vor dem Parsen
4. Behandeln Sie fehlende Daten ordnungsgemäß - Nicht alle Datensätze haben alle Felder
5. Zwischenspeichern Sie heruntergeladene Daten - Laden Sie nicht wiederholt dieselben Sequenzen herunter
6. Respektieren Sie NCBI-Ratenlimits - Verwenden Sie API-Schlüssel, registrierte Tool-/E-Mail-Werte für wiederverwendbare Software und Entrez-Verlauf/Batching für große Aufträge
7. Testen Sie mit kleinen Datensätzen, bevor Sie große Dateien verarbeiten
8. Halten Sie Biopython aktuell, um die neuesten Funktionen und Fehlerbehebungen zu erhalten
9. Verwenden Sie geeignete genetische Codetabellen für die Übersetzung
10. Dokumentieren Sie Analyseparameter für Reproduzierbarkeit

Fehlerbehebung bei häufigen Problemen

Problem: „No handlers could be found for logger 'Bio.Entrez'“

Lösung: Dies ist nur eine Warnung. Setzen Sie Entrez.email, um sie zu unterdrücken.

Problem: „HTTP Error 400“ von NCBI

Lösung: Überprüfen Sie, ob IDs/Zugriffsnummern gültig und ordnungsgemäß formatiert sind.

Problem: „ValueError: EOF“ beim Parsen von Dateien

Lösung: Überprüfen Sie, ob das Dateiformat mit der angegebenen Formatzeichenfolge übereinstimmt.

Problem: Alignment schlägt fehl mit „sequences are not the same length“

Lösung: Stellen Sie sicher, dass Sequenzen vor der Verwendung von AlignIO oder MultipleSeqAlignment aligniert sind.

Problem: BLAST-Suchen sind langsam

Lösung: Verwenden Sie lokales BLAST für groß angelegte Suchen oder cachen Sie Ergebnisse.

Problem: PDB-Parser-Warnungen

Lösung: Verwenden Sie PDBParser(QUIET=True), um Warnungen zu unterdrücken, oder untersuchen Sie die Strukturqualität.

Problem: ImportError für Bio.HMM, Bio.MarkovModel oder Bio.Application

Lösung: Diese Module wurden in Biopython 1.86 entfernt. Verwenden Sie hmmlearn für HMMs und das Standardbibliotheksmodul subprocess anstelle der Bio.Application-CLI-Wrapper.

Problem: PairwiseAligner gibt nach Upgrade auf 1.86+ weniger Alignments zurück

Lösung: Der Standard-Gap-Score wurde in 1.86 von 0 auf -1 geändert, wodurch triviale Gleichstand-Alignments eliminiert werden. Setzen Sie aligner.gap_score = 0, um das alte Verhalten wiederherzustellen, falls erforderlich (siehe references/alignment.md).

Zusätzliche Ressourcen

• Offizielle Dokumentation: https://biopython.org/docs/latest/
• Tutorial: https://biopython.org/docs/latest/Tutorial/
• Cookbook: https://biopython.org/docs/latest/Tutorial/ (fortgeschrittene Beispiele)
• GitHub: https://github.com/biopython/biopython
• Release Notes: https://biopython.org/wiki/Download
• Mailingliste: https://biopython.org/wiki/Mailing_lists