Question

我有两个文件，第一个（file1）包含几个rexeges，而另一个（file2）包含FASTA序列。我的目的是使用file1中的正则表达式来检查它们是否与file2中的任何Fasta序列匹配，并打印与至少一个序列匹配的任何正则表达式，以及它们匹配的序列数。我本来希望提供我的示例代码，但我甚至无法开始。请帮忙。

file1的结构使得每一行都有一个ID，后跟'＆gt;＆gt;'，然后是正则表达式;

e.g FGER_HWW_PRT >> ..DW[ALK]..[^P]..[VI]{2,4}
    TKAR_GLW_NQW >> [^VKR]{0,2}..FP[D].T.N.Q.

    etc...

file2在一行上具有序列的标识符，在下一行上具有序列;

e.g     >lac9_B: details details
    GFVTSDRWPALKMSRWSLEMVWASRGYPLVNDRMWSWSDDDP
    >serP_A: otherdetails details2
    GFVLSDPPPPALKMSRWSLEMVWASRGYPLVNDPWQRTKRKRKDRTCWASNYIHDRP

          etc...

提前致谢。

Answer 1

这可能会让你开始。如果您认为它可能对您有用，请告诉我，我可以解释发生了什么：

#!/usr/bin/perl
use warnings;
use strict;

（使用.fasta文件作为输入）：

my $infile = 'in.txt';
open my $input, '<', $infile or die "Can't open to $infile: $!";

my (@head, @seq, %hash);

设置'匹配'变量以测试标题：

my $match = "details2";
while (<$input>) {
    chomp;
    push @head, $_ if /^>/;
    push @seq, $_ if /^[A-Z]/;
    @hash{@head} = @seq;
}

遍历哈希的键（标题），如果匹配匹配变量，则测试打印标题和序列：

foreach my $header (keys %hash){
    if ($header =~ /$match/){
    print "Name: $header\tcontains: '$match'\nSequence: $hash{$header}\n" ; 
    }
}

输出：

Name: >serP_A: otherdetails details2    contains: 'details2'
Sequence: GFVLSDPPPPALKMSRWSLEMVWASRGYPLVNDPWQRTKRKRKDRTCWASNYIHDRP

在perl中，如何使用一个文件中的正则表达式来匹配另一个文件中的FASTA序列

1 个答案: