t/data/dmel_2Lchunk.gb: Updated features locations to use current
[bioperl-live.git] / README.md
blob59bcb0c099aaaeef092dd02ed10edd19075e8d34
1 [![Build Status](https://travis-ci.org/bioperl/bioperl-live.svg?branch=master)](https://travis-ci.org/bioperl/bioperl-live)
3 # Getting Started
5 Please see the the `INSTALL` or `INSTALL.WIN` documents for installation
6 instructions.
8 # About BioPerl
10 BioPerl is a package of public domain Perl tools for computational molecular
11 biology.
13 Our website (http://bioperl.org/) provides an online resource of modules,
14 scripts, and web links for developers of Perl-based software for life science
15 research.
17 # Contact info
19 BioPerl mailing list: bioperl-l@bioperl.org
21 There's quite a variety of tools available in BioPerl, and more are added all
22 the time. If the tool you're looking for isn't described in the documentation
23 please write us, it could be undocumented or in process.
25 * Project website : http://bioperl.org/
27 * Bug reports : https://github.com/bioperl/bioperl-live/issues
29 Please send us bugs, in particular about documentation which you think is
30 unclear or problems in installation. We are also very interested in functions
31 which don't work the way you think they do!
33 # The directory structure
35 The BioPerl directory structure is organized as follows:
37 * **`Bio/`** - BioPerl modules
39 * **`doc/`** - Documentation utilities
41 * **`examples/`** - Scripts demonstrating the many uses of BioPerl
43 * **`ide/`** - files for developing BioPerl using an IDE
45 * **`maintenance/`** - BioPerl housekeeping scripts
47 * **`models/`** - DIA drawing program generated OO UML for BioPerl classes
48   (these are quite out-of-date)
50 * **`scripts/`** - Useful production-quality scripts with POD documentation
52 * **`t/`** - Perl built-in tests, tests are divided into subdirectories
53   based on the specific classes being tested
55 * **`t/data/`** - Data files used for the tests, provides good example data
57 # Documentation
59 For documentation on BioPerl see the **HOWTO** documents and tutorials online at
60 http://bioperl.org.
62 Useful documentation in the form of example code can also be found in the
63 **`examples/`** and **`scripts/`** directories. The current collection includes
64 scripts that run BLAST, index flat files, parse PDB structure files, make
65 primers, retrieve ESTs based on tissue, align protein to nucleotide sequence,
66 run GENSCAN on multiple sequences, and much more! See `bioscripts.pod` for a
67 complete listing.
69 Individual `*.pm` modules have their own embedded POD documentation as well. A
70 complete set of hyperlinked POD, or module, documentation is available at
71 http://www.bioperl.org/.
73 Remember that '`perldoc`' is your friend. You can use it to read any file
74 containing POD formatted documentation without needing any type of translator
75 (e.g. '`perldoc Bio::SeqIO`').
77 If you used the Build.PL installation, and depending on your platform, you may
78 have documentation installed as man pages, which can be accessed in the usual
79 way.
81 # Releases
83 BioPerl releases are always available from the website at
84 http://www.bioperl.org/DIST or in CPAN. The latest code can be found at
85 https://github.com/bioperl.
87 * BioPerl currently uses a sematic numbering scheme to indicate stable release
88   series vs. development release series. A release number is a three digit
89   number like `1.2.0`.
90   * The *first digit indicates the major release*, the idea being that all the
91     API calls in a major release are reasonably consistent.
92   * The *second number is the release series*. This is probably the most
93     important number, and represents added functionality that is
94     backwards-compatible.
95   * The *third number is the point or patch release* and represents mainly bug
96     fixes or additional code that doesn't add significant functionality to the
97     code base.
99 * From the **1.0 release until the 1.6 release**, even numbers (`1.0`, `1.2`, etc)
100   indicated stable releases. Stable releases were well tested and recommended
101   for most uses. Odd numbers (`1.1`, `1.3`, etc) were development releases which one
102   would only use if one were interested in the latest and greatest features. The
103   final number (e.g. `1.2.0`, `1.2.1`) is the bug fix release. The higher the number
104   the more bug fixes has been incorporated. In theory you can upgrade from one
105   bug fix release to the next with no changes to your own code (for production
106   cases, obviously check things out carefully before you switch over).
108 * The upcoming **1.7 release** will be the last release series to utilize the
109   alternating 'stable'/'developer' convention. Starting immediately after the
110   final 1.6 branch, we will start splitting BioPerl into several smaller
111   easier-to-manage distributions. These will have independent versions, all
112   likely starting with v1.7.0. **We do not anticipate major API changes in the
113   1.7.x release series*, merely that the code will be restructured in a way to
114   make maintenance more feasible. We anticipate retaining semantic versioning
115   until the **v2.x** release.
117 # Caveats and warnings
119 When you run the tests ("`./Build test`") some tests may issue warnings messages
120 or even fail. Sometimes this is because we didn't have anyone to test the test
121 system on the combination of your operating system, version of perl, and
122 associated libraries and other modules. Because BioPerl depends on several
123 outside libraries we may not be able to test every single combination so if
124 there are warnings you may find that the package is still perfectly useful.
126 If you install the bioperl-run system and run tests when you don't have the
127 program installed you'll get messages like '`program XXX not found, skipping
128 tests`'. That's okay, BioPerl is doing what it is supposed to do. If you wanted
129 to run the program you'd need to install it first.
131 Not all scripts in the `examples/` directory are correct and up-to-date. We need
132 volunteers to help maintain these so if you find they do not submit a bug report
133 to https://github.com/bioperl/bioperl-live/issues and consider helping out in
134 their maintenance.
136 If you are confused about what modules are appropriate when you try and solve a
137 particular issue in bioinformatics we urge you to look at HOWTO documents first.
139 # A simple module summary
141 Here is a quick summary of many of the useful modules and how the toolkit is
142 laid out:
144 All modules are in the **`Bio/`** namespace,
146 * **`Perl`** is for *new users*, and gives a functional interface to the main
147   parts of the package.
149 * **`Seq`** is for *Sequences* (protein and DNA).
150     * `Bio::PrimarySeq` is a plain sequence (sequence data + identifiers)
151     * `Bio::Seq` is a fancier `PrimarySeq`, in that it has annotation (via
152     `Bio::Annotation::Collection`) and sequence features (via `Bio::SeqFeatureI` objects, attached via
153     `Bio::FeatureHolderI`).
154     * `Bio::Seq::RichSeq` is all of the above, plus it has slots for extra information specific to GenBank/EMBL/SwissProt files.
155     * `Bio::Seq::LargeSeq` is for sequences which are too big for
156     fitting into memory.
158 * **`SeqIO`** is for *reading and writing Sequences*. It is a front end module
159   for separate driver modules supporting the different sequence formats
161 * **`SeqFeature`** represent *start/stop/strand-based localized annotations (features) of sequences*
162     * **`Bio::SeqFeature::Generic`** is basic catchall
163     * **`Bio::SeqFeature::Similarity`** a similarity sequence feature
164     * **`Bio::SeqFeature::FeaturePair`** a sequence feature which is pairwise
165     such as query/hit pairs
167 * **`SearchIO`** is for *reading and writing pairwise alignment reports*, like
168   BLAST or FASTA
170 * **`Search`** is where the *alignment objects for `SearchIO` are defined*
171     * **`Bio::Search::Result::GenericResult`** is the result object (a blast
172     query is a `Result` object)
173     * **`Bio::Search::Hit::GenericHit`** is the `Hit` object (a query will have
174     0 to many hits in a database)
175     * **`Bio::Search::HSP::GenericHSP`** is the High-scoring Segment Pair
176     object defining the alignment(s) of the query and hit.
178 * **`SimpleAlign`** is for *multiple sequence alignments*
180 * **`AlignIO`** is for *reading and writing multiple sequence alignment
181   formats*
183 * **`Assembly`** provides the start of an *infrastructure for assemblies* and
184   **`Assembly::IO`** *IO converters* for them
186 * **`DB`** is the namespace for *all the database query classes*
187     * **`Bio::DB::GenBank/GenPept`** are two modules which query NCBI entrez for
188       sequences
189     * **`Bio::DB::SwissProt/EMBL`** query various EMBL and SwissProt
190       repositories for a sequences
191     * **`Bio::DB::GFF`** is Lincoln Stein's fast, lightweight feature and
192       sequence database which is the backend to his GBrowse system (see
193       www.gmod.org)
194     * **`Bio::DB::Flat`** is a fast implementation of the OBDA flat-file
195       indexing system (cross-language and cross-platform supported by O|B|F
196       projects see http://obda.open-bio.org).
197     * **`Bio::DB::BioFetch/DBFetch`** for OBDA, Web (HTTP) access to remote
198       databases.
199     * **`Bio::DB::InMemoryCache/FileCache`** (fast local caching of sequences
200       from remote dbs to speed up your access).
201     * **`Bio::DB::Registry`** interface to the OBDA specification for remote
202       data sources
203     * **`Bio::DB::Biblio`** for access to remote bibliographic databases.
204     * **`Bio::DB::EUtilities`** is the initial set of modules used for generic
205       queried using NCBI's eUtils.
207 * **`Annotation`** collection of *annotation objects* (comments, DBlinks,
208   References, and misc key/value pairs)
210 * **`Coordinate`** is a system for *mapping between different coordinate systems*
211   such as DNA to protein or between assemblies
213 * **`Index`** is for *locally indexed flatfiles* with BerkeleyDB
215 * **`Tools`** contains many *miscellaneous parsers and functions* for different
216   bioinformatics needs
217     * Gene prediction parser (Genscan, MZEF, Grail, Genemark)
218     * Annotation format (GFF)
219     * Enumerate codon tables and valid sequences symbols (CodonTable,
220     IUPAC)
221     * Phylogenetic program parsing (PAML, Molphy, Phylip)
223 * **`Map`** represents *genetic and physical map representations*
225 * **`Structure`** - parse and represent *protein structure data*
227 * **`TreeIO`** is for reading and writing *Tree formats*
229 * **`Tree`** is the namespace for **all associated Tree classes**
230     * **`Bio::Tree::Tree`** is the basic tree object
231     * **`Bio::Tree::Node`** are the nodes which make up the tree
232     * **`Bio::Tree::Statistics`** is for computing statistics for a tree
233     * **`Bio::Tree::TreeFunctionsI`** is where specific tree functions are
234       implemented (like `is_monophyletic` and `lca`)
236 * **`Bio::Biblio`** is where *bibliographic data and database access objects*
237   are kept
239 * **`Variation`** represent *sequences with mutations and variations* applied so
240   one can compare and represent wild-type and mutation versions of a sequence.
242 * **`Root`**, basic objects for the *internals of BioPerl*
244 # Upgrading from an older version
246 If you have a previously installed version of BioPerl on your system some of
247 these notes may help you.
249 * Some modules have been removed because they have been superceded by new
250   development efforts. They are documented in the **`DEPRECATED`** file that is
251   included in the release.
253 * Some methods, or the Application Programming Interface (API), have changed or
254   been removed. You may find that scripts which worked with BioPerl 1.4 may give
255   you warnings or may not work at all (although we have tried very hard to
256   minimize this!). Send an email to the list and we'll be happy to give you
257   pointers.