biopython

Biopython: Biología Molecular Computacional en Python

Resumen

Biopython es un conjunto completo de herramientas de Python de libre acceso para la computación biológica. Proporciona funcionalidad para la manipulación de secuencias, entrada/salida de archivos, acceso a bases de datos, bioinformática estructural, filogenética y muchas otras tareas bioinformáticas. La versión actual es Biopython 1.87 (publicada el 30 de marzo de 2026). Soporta Python 3.10-3.14 y PyPy3.10, y requiere NumPy. Biopython 1.87 también aborda CVE-2025-68463 en Bio.Entrez.Parser al analizar archivos no confiables, por lo que se prefiere la versión 1.87+ para flujos de trabajo que analizan XML de Entrez suministrados externamente.

Cuándo Usar Esta Habilidad

Use esta habilidad cuando:

• Trabaje con secuencias biológicas (ADN, ARN o proteínas)
• Lea, escriba o convierta formatos de archivos biológicos (FASTA, GenBank, FASTQ, PDB, mmCIF, etc.)
• Acceda a bases de datos de NCBI (GenBank, PubMed, Proteína, Gen, etc.) a través de Entrez
• Ejecute búsquedas BLAST o analice resultados de BLAST
• Realice alineamientos de secuencias (pareados o múltiples)
• Analice estructuras de proteínas a partir de archivos PDB
• Cree, manipule o visualice árboles filogenéticos
• Encuentre motivos de secuencia o analice patrones de motivos
• Calcule estadísticas de secuencias (contenido GC, peso molecular, temperatura de fusión, etc.)
• Realice tareas de bioinformática estructural
• Trabaje con datos de genética de poblaciones
• Cualquier otra tarea de biología molecular computacional

Capacidades Principales

Biopython está organizado en subpaquetes modulares, cada uno abordando dominios bioinformáticos específicos:

1. Manejo de Secuencias - Bio.Seq y Bio.SeqIO para manipulación de secuencias y E/S de archivos
2. Análisis de Alineamientos - Bio.Align y Bio.AlignIO para alineamientos pareados y múltiples
3. Acceso a Bases de Datos - Bio.Entrez para acceso programático a bases de datos de NCBI
4. Operaciones BLAST - Bio.Blast para ejecutar y analizar búsquedas BLAST
5. Bioinformática Estructural - Bio.PDB para trabajar con estructuras 3D de proteínas
6. Filogenética - Bio.Phylo para manipulación y visualización de árboles filogenéticos
7. Características Avanzadas - Motivos, genética de poblaciones, utilidades de secuencias y más

Instalación y Configuración

Instale la versión estable actual de Biopython con una versión explícita para reproducibilidad:

uv pip install "biopython==1.87"

Para el acceso a bases de datos de NCBI, siempre configure su dirección de correo electrónico (requerido por NCBI). Para software reutilizable, establezca un valor estable de Entrez.tool y registre la herramienta/correo electrónico con NCBI. Para límites de velocidad más altos (10 solicitudes/s en lugar de 3 solicitudes/s), lea solo NCBI_API_KEY del entorno; no codifique claves ni cargue variables de entorno no relacionadas:

import os
from Bio import Entrez

Entrez.email = "[email protected]"  # requerido — use su correo electrónico real
Entrez.tool = "your_tool_name"  # opcional pero recomendado para software reutilizable

# Opcional: regístrese en https://www.ncbi.nlm.nih.gov/account/settings/
if api_key := os.environ.get("NCBI_API_KEY"):
    Entrez.api_key = api_key

Uso de Esta Habilidad

Esta habilidad proporciona documentación completa organizada por área de funcionalidad. Cuando trabaje en una tarea, consulte la documentación de referencia relevante:

1. Manejo de Secuencias (Bio.Seq & Bio.SeqIO)

Referencia: references/sequence_io.md

Úselo para:

• Crear y manipular secuencias biológicas
• Leer y escribir archivos de secuencias (FASTA, GenBank, FASTQ, etc.)
• Convertir entre formatos de archivo
• Extraer secuencias de archivos grandes
• Traducción, transcripción y complemento inverso de secuencias
• Trabajar con objetos SeqRecord

Ejemplo rápido:

from Bio import SeqIO

# Leer secuencias de un archivo FASTA
for record in SeqIO.parse("sequences.fasta", "fasta"):
    print(f"{record.id}: {len(record.seq)} pb")

# Convertir GenBank a FASTA
SeqIO.convert("input.gb", "genbank", "output.fasta", "fasta")

2. Análisis de Alineamientos (Bio.Align & Bio.AlignIO)

Referencia: references/alignment.md

Úselo para:

• Alineamiento pareado de secuencias (global y local)
• Leer y escribir alineamientos múltiples
• Usar matrices de sustitución (BLOSUM, PAM)
• Calcular estadísticas de alineamiento
• Personalizar parámetros de alineamiento

Ejemplo rápido:

from Bio import Align

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

3. Acceso a Bases de Datos (Bio.Entrez)

Referencia: references/databases.md

Úselo para:

• Buscar bases de datos de NCBI (PubMed, GenBank, Proteína, Gen, etc.)
• Descargar secuencias y registros
• Obtener información de publicaciones
• Encontrar registros relacionados entre bases de datos
• Descarga por lotes con límites de velocidad adecuados

Ejemplo rápido:

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

# Buscar en PubMed
handle = Entrez.esearch(db="pubmed", term="biopython", retmax=10)
results = Entrez.read(handle)
handle.close()
print(f"Se encontraron {results['Count']} resultados")

4. Operaciones BLAST (Bio.Blast)

Referencia: references/blast.md

Úselo para:

• Ejecutar búsquedas BLAST a través de servicios web de NCBI
• Ejecutar búsquedas BLAST locales
• Analizar la salida XML de BLAST
• Filtrar resultados por valor E o identidad
• Extraer secuencias de coincidencias

Ejemplo rápido:

from Bio.Blast import NCBIWWW, NCBIXML

# Ejecutar búsqueda BLAST
result_handle = NCBIWWW.qblast("blastn", "nt", "ATCGATCGATCG")
blast_record = NCBIXML.read(result_handle)

# Mostrar las mejores coincidencias
for alignment in blast_record.alignments[:5]:
    print(f"{alignment.title}: Valor-E={alignment.hsps[0].expect}")

5. Bioinformática Estructural (Bio.PDB)

Referencia: references/structure.md

Úselo para:

• Analizar archivos de estructura PDB y mmCIF
• Navegar la jerarquía de estructura de proteínas (SMCRA: Estructura/Modelo/Cadena/Residuo/Átomo)
• Calcular distancias, ángulos y diedros
• Asignación de estructura secundaria (DSSP)
• Superposición de estructuras y cálculo de RMSD
• Extraer secuencias de estructuras

Ejemplo rápido:

from Bio.PDB import PDBParser

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

# Calcular distancia entre carbonos alfa
chain = structure[0]["A"]
distance = chain[10]["CA"] - chain[20]["CA"]
print(f"Distancia: {distance:.2f} Å")

6. Filogenética (Bio.Phylo)

Referencia: references/phylogenetics.md

Úselo para:

• Leer y escribir árboles filogenéticos (Newick, NEXUS, phyloXML)
• Construir árboles a partir de matrices de distancia o alineamientos
• Manipulación de árboles (poda, re-enraizamiento, escalonamiento)
• Calcular distancias filogenéticas
• Crear árboles de consenso
• Visualizar árboles

Ejemplo rápido:

from Bio import Phylo

# Leer y visualizar árbol
tree = Phylo.read("tree.nwk", "newick")
Phylo.draw_ascii(tree)

# Calcular distancia
distance = tree.distance("Species_A", "Species_B")
print(f"Distancia: {distance:.3f}")

7. Características Avanzadas

Referencia: references/advanced.md

Úselo para:

• Motivos de secuencia (Bio.motifs) - Encontrar y analizar patrones de motivos
• Genética de poblaciones (Bio.PopGen) - Archivos GenePop, cálculos de Fst, pruebas de Hardy-Weinberg
• Utilidades de secuencias (Bio.SeqUtils) - Contenido GC, temperatura de fusión, peso molecular, análisis de proteínas
• Análisis de restricción (Bio.Restriction) - Encontrar sitios de enzimas de restricción
• Agrupamiento (Bio.Cluster) - Agrupamiento K-means y jerárquico
• Diagramas genómicos (GenomeDiagram) - Visualización de características genómicas

Ejemplo rápido:

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

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

Pautas Generales de Flujo de Trabajo

Lectura de Documentación

Cuando un usuario pregunta sobre una tarea específica de Biopython:

1. Identifique el módulo relevante según la descripción de la tarea
2. Lea el archivo de referencia apropiado usando la herramienta Read
3. Extraiga patrones de código relevantes y adáptelos a las necesidades específicas del usuario
4. Combine múltiples módulos cuando la tarea lo requiera

Ejemplos de patrones de búsqueda para archivos de referencia:

# Encontrar información sobre funciones específicas
rg -n "SeqIO.parse" references/sequence_io.md

# Encontrar ejemplos de tareas específicas
rg -n "BLAST" references/blast.md

# Encontrar información sobre conceptos específicos
rg -n "alignment" references/alignment.md

Escribir Código Biopython

Siga estos principios al escribir código Biopython:

1. Importe módulos explícitamente

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

2. Establezca el correo electrónico de Entrez al usar bases de datos de NCBI; cargue solo NCBI_API_KEY del entorno si está presente

   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. Use formatos de archivo apropiados - Verifique qué formato se adapta mejor a la tarea

   # Formatos comunes: "fasta", "genbank", "fastq", "clustal", "phylip"
   

4. Maneje archivos correctamente - Cierre los manejadores después de usarlos o use administradores de contexto

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

5. Use iteradores para archivos grandes - Evite cargar todo en la memoria

   for record in SeqIO.parse("large_file.fasta", "fasta"):
       # Procesar un registro a la vez
   

6. Maneje errores con gracia - Las operaciones de red y el análisis de archivos pueden fallar

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

Patrones Comunes

Patrón 1: Obtener Secuencia de GenBank

from Bio import Entrez, SeqIO

Entrez.email = "[email protected]"

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

print(f"Descripción: {record.description}")
print(f"Longitud de la secuencia: {len(record.seq)}")

Patrón 2: Pipeline de Análisis de Secuencias

from Bio import SeqIO
from Bio.SeqUtils import gc_fraction

for record in SeqIO.parse("sequences.fasta", "fasta"):
    # Calcular estadísticas
    gc = gc_fraction(record.seq)
    length = len(record.seq)

    # Encontrar ORFs, traducir, etc.
    protein = record.seq.translate()

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

Patrón 3: BLAST y Obtener las Mejores Coincidencias

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

Entrez.email = "[email protected]"

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

# Obtener accesiones de las mejores coincidencias
accessions = [aln.accession for aln in blast_record.alignments[:5]]

# Obtener secuencias
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}")

Patrón 4: Construir Árbol Filogenético a partir de Secuencias

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

# Leer alineamiento
alignment = AlignIO.read("alignment.fasta", "fasta")

# Calcular distancias
calculator = DistanceCalculator("identity")
dm = calculator.get_distance(alignment)

# Construir árbol
constructor = DistanceTreeConstructor()
tree = constructor.nj(dm)

# Visualizar
Phylo.draw_ascii(tree)

Mejores Prácticas

1. Siempre lea la documentación de referencia relevante antes de escribir código
2. Use grep para buscar en archivos de referencia funciones o ejemplos específicos
3. Valide los formatos de archivo antes de analizarlos
4. Maneje datos faltantes con gracia - No todos los registros tienen todos los campos
5. Almacene en caché los datos descargados - No descargue repetidamente las mismas secuencias
6. Respete los límites de velocidad de NCBI - Use claves API, valores registrados de herramienta/correo electrónico para software reutilizable, e historial/agrupación de Entrez para trabajos grandes
7. Pruebe con conjuntos de datos pequeños antes de procesar archivos grandes
8. Mantenga Biopython actualizado para obtener las últimas funciones y correcciones de errores
9. Use tablas de códigos genéticos apropiadas para la traducción
10. Documente los parámetros de análisis para reproducibilidad

Solución de Problemas Comunes

Problema: "No handlers could be found for logger 'Bio.Entrez'"

Solución: Esto es solo una advertencia. Establezca Entrez.email para suprimirla.

Problema: "HTTP Error 400" de NCBI

Solución: Verifique que los IDs/accesiones sean válidos y estén formateados correctamente.

Problema: "ValueError: EOF" al analizar archivos

Solución: Verifique que el formato del archivo coincida con la cadena de formato especificada.

Problema: El alineamiento falla con "sequences are not the same length"

Solución: Asegúrese de que las secuencias estén alineadas antes de usar AlignIO o MultipleSeqAlignment.

Problema: Las búsquedas BLAST son lentas

Solución: Use BLAST local para búsquedas a gran escala, o almacene en caché los resultados.

Problema: Advertencias del analizador PDB

Solución: Use PDBParser(QUIET=True) para suprimir advertencias, o investigue la calidad de la estructura.

Problema: ImportError para Bio.HMM, Bio.MarkovModel o Bio.Application

Solución: Estos módulos fueron eliminados en Biopython 1.86. Use hmmlearn para HMMs y el módulo estándar subprocess en lugar de los envoltorios CLI de Bio.Application.

Problema: PairwiseAligner devuelve menos alineamientos después de actualizar a 1.86+

Solución: La puntuación de brecha predeterminada cambió de 0 a -1 en 1.86, eliminando alineamientos de empate triviales. Establezca aligner.gap_score = 0 para restaurar el comportamiento anterior si es necesario (consulte references/alignment.md).

Recursos Adicionales

• Documentación Oficial: https://biopython.org/docs/latest/
• Tutorial: https://biopython.org/docs/latest/Tutorial/
• Cookbook: https://biopython.org/docs/latest/Tutorial/ (ejemplos avanzados)
• GitHub: https://github.com/biopython/biopython