Neste projeto iremos avaliar o sequenciamento de DNA dos vírus SARS-CoV-2 e Influenza A para verificar se existe diferença nas estruturas com funções parecidas destes organismos.
Os dados utilizados para este estudo são de sequencias de DNA que podem ser acessadas em:
Virus da Influenza A (California/07/2009(H1N1))
import numpy as np
import pandas as pd
import plotly.express as px
import plotly.colors as colors
from plotly.subplots import make_subplots
import plotly.graph_objects as go
import plotly.io as pio
pio.renderers.default = "notebook_connected"
with open('datasets/sequence_influ.fasta', 'r') as influenza_file:
influenza_sequence = influenza_file.read()[104:]
with open('datasets/sequence_covid.fasta', 'r') as covid_file:
covid_sequence = covid_file.read()[97:]# Preparando os dados para os gráficos
influenza_sequence = influenza_sequence .replace("\n","")
# cria uma lista contendo todos elementos menos o ultimo
x_influenza = list(influenza_sequence [:-1])
y_influenza = list(influenza_sequence [1:])
covid_sequence = covid_sequence.replace("\n","")
# cria uma lista contendo todos elementos menos o ultimo
x_covid = list(covid_sequence [:-1])
y_covid = list(covid_sequence [1:]) # cria um pandas dataframe com as listas acima, para cada doença
df_influenza_sequence = pd.DataFrame({'x_influenza': x_influenza, 'y_influenza': y_influenza})
df_covid_sequence = pd.DataFrame({'x_covid': x_covid, 'y_covid': y_covid })
# cria uma nova coluna em cada dataframe com o nome de sua respectiva doença
df_influenza_sequence['doenca']='Influenza A'
df_covid_sequence['doenca']='Covid-19'
# realiza uma serie de concatenações para deixar o df_concatenated pronto para o gráfico de barras
influenza_codiv_concatenated = pd.concat([df_influenza_sequence['x_influenza'], df_covid_sequence['x_covid']], axis=0, ignore_index=True)
doenca_df = pd.concat([df_influenza_sequence['doenca'], df_covid_sequence['doenca']], axis=0, ignore_index=True)
df_concatenated = pd.concat([influenza_codiv_concatenated, doenca_df], axis=1, ignore_index=True)
df_concatenated = df_concatenated.rename({0:'nucleotideo', 1:'doenca'}, axis=1)# gráfico de comparação entre o número de nucleotídeos de cada doença
px.bar(data_frame=df_concatenated.groupby('doenca').value_counts().reset_index(name='count'),
x='nucleotideo',y='count' ,barmode='group', color='doenca',
color_discrete_sequence= px.colors.qualitative.T10,
labels=dict(nucleotideo='Nucleotídeo', count='Quantidade', doenca='Doença'),
hover_name='doenca', title='Número de Nucleotídeos por Doença')
Vemos que o número de nucleotídeos da Covid-19 é muito maior do que da Influenza A.
#Transformando os dados em formato de matriz para criar o heatmap
influenza_sequence_cross_tabulated = pd.crosstab(index=df_influenza_sequence.x_influenza, columns=df_influenza_sequence.y_influenza)
covid_sequence_cross_tabulated = pd.crosstab(index=df_covid_sequence.x_covid, columns=df_covid_sequence.y_covid)
# Cria a grade de plots
fig = make_subplots(rows=1, cols=2,
subplot_titles=['Influenza A', 'Covid-19'])
fig.add_trace(go.Heatmap(z=influenza_sequence_cross_tabulated.values, x=influenza_sequence_cross_tabulated.columns.tolist(),
y=influenza_sequence_cross_tabulated.index.tolist(), colorbar=dict(x=.45, len=0.9, thickness=20, xanchor='left', yanchor='middle'), colorscale='Blues',
hovertemplate='Pares %{x}x%{y}<br>Número de Pares: %{z}', hoverlabel={'namelength': 0}), row=1, col=1)
fig.add_trace(go.Heatmap(z=covid_sequence_cross_tabulated.values, x=covid_sequence_cross_tabulated.columns.tolist(),
y=covid_sequence_cross_tabulated.index.tolist(), colorbar=dict(x=1.0001, len=0.9, thickness=20, xanchor='left', yanchor='middle'), colorscale='Blues',
hovertemplate='Pares %{x}x%{y}<br>Número de Pares: %{z}', hoverlabel={'namelength': 0}), row=1, col=2)
fig.update_layout(
title="Heatmap dos Pares de Nucleotídeos da Covid-19 e Influenza A",
title_x=0.5
)Os pares AG por exemplo diferem bastante em seu número com relação as duas doenças, como observado no gráfico acima. Essa disparidade pode ser um dos possíveis motivos que justificam as variações significativas na gravidade dos sintomas, na taxa de mortalidade e na capacidade de contágio entre essas doenças.