Question

早上好，我有一些问题需要解决......让我们看看你是否能回答我的问题。

我有一个带核苷酸的.txt（fasta文件）。每行包含124个核苷酸，我需要读取4个核苷酸的密码子（是的，实际上密码子由3个核苷酸组成，但在这里我真的需要读4个4）。所以，因为124是4的倍数，所以我没有问题。

通过这个循环，我在5秒内创建了5个文件输出：

sub sequence() {
    foreach $line (<SEQ>) {
        next if (index($line, ">") != -1);
        some actions........

但是，如果每条线不是4的倍数怎么办？如果每条线的长度为125个核苷酸怎么办？我已经测试了这个机制（连接所有行，忽略了第一个）：

sub sequence() {                        #Joining lines from the sequence.
    $one = "";
    while ($line = <SEQ>) {
        next if (index($line, ">") != -1);
        chomp $line;
        $one .= $line; }

但它需要50秒！而不是我最初的5秒。

而不是上面代码中的$one，我也试过以下代码，但它也需要大约50秒....

$contents = do { local $/;  <SEQ> };
$contents =~ s/\A.*?\n//;
$contents =~ tr/\n//;

所以，如果length($line) % 4 !=0 ???

，任何建议让我的脚本更快

谢谢！

Answer 1

你的字符串可能增长太久了。尝试而不是加载整个字符串然后处理它，以维护未处理文本的字符串缓冲区：

读一行开始一个字符串（让我们称之为$remaining_codons）
阅读接下来的4个密码子（这是您未展示的代码），remove来自$recent_codons。您可以通过从“do stuff”部分获取一个方法来实现此目的，该方法一次消耗尽可能多的密码子4并返回剩余的0到3个密码子。
一旦剩下少于4个密码子：
- 如果不可能，尝试阅读新行或结束
- 将新行添加到剩余项目
- 一次重复阅读4个密码子

重新使用您的第一个代码结构可能会是什么样子

sub sequence() {
    my $remaining_codons = '';
    foreach $line (<SEQ>) {
        next if (index($line, ">") != -1);
        $remaining_codons = $remaining_codons . $line;
        while ( length($remaining_codons) > 3 ) { 
           my $next_codons = substr( $remaining_codons, 0, 4 ); 
           $remaining_codons = substr( $remaining_codons, 4 ); 
           # Do stuff
        }

Perl，性能，读取文件

1 个答案: