Question

我对编程比较陌生。我目前正在学习Perl，我遇到了一个逻辑问题，导致我无法正确完成脚本。任何帮助将不胜感激！！提前感谢您的有用见解！

该程序的大部分内容已经编写完成，这是让我头疼的最后一步。

我有一个变量$RNA，它以任何顺序获得核苷酸序列（acgu）。例如：

$RNA = agcuaggaaggguuuugauag

等等。

我已经创建了一个散列，其中每3个核苷酸的字符或密码子（例如uga）被分配给一个确定的氨基酸。 E.g：

% my AminoAcid   = (
  ggg => "G",
  ...
);

我想做的是在aug字符串中读取START CODON $RNA时打印与哈希中密码子对应的已定义氨基酸（大写字母）每当它读取STOP CODON uga时，停止打印哈希中定义的氨基酸。

例如：假设$RNA = aaaaugcccgggugaccccccccc。程序应打印相应的氨基酸（aug），并在读取字符串中的终止密码子（uga）时停止。

注意：它应该在读取START密码子（aaa）之前忽略前三个aug，并且在读取终止密码子（ccccccccccccc）之后忽略uga并且如果它再次在字符串中的任何位置看到起始密码子aug，则重复相同的过程。

我尝试了多个想法，但没有一个能够描绘出为最后一部分编写代码的正确方法。我可能没有完全掌握它背后的逻辑。

非常感谢任何帮助。在此先感谢!!!

Answer 1

让我们从这开头：

my $rna = "aaaaugcccgggugaccccccccc";
my %aminoAcidMap = ( ggg => "G", ccc => "C" );

第一步是提取aug和uga之间的相关部分：

$rna =~ /aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

这假设aug可以出现在字符串中的任何位置。此外，它确保如果它跨越两个密码子，是否不会停留在uga。

如果您要求起始密码子位于可被3整除的字符串中的索引处，则可以改为：

$rna =~ /^(?:[acgu]{3})*?aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

此时，$pattern将包含aug和uga之间的部分。

现在，要进行映射，您可以这样做：

my $aminoAcids = $pattern =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;

这将用散列中的值替换每个密码。

如果你把所有东西打包成一个子，你得到：

sub getAminoAcids {
    local ($_) = @_;
    /aug((?:[acgu]{3})*?)uga/ or return "";
    $1 =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;
}

Answer 2

这可能有效，将逻辑放在代码组(?{})

中

mutilpe行的Mod
注意 - 如果需要重新校准（按3），请告诉我到目前为止，对齐是3个非空白+可选的空格，重复这将消耗换行符，同时保持3边界 - 我假设很重要。

Perl代码

use strict;
use warnings;

my %AminoAcid   = (
   aug => "Start codon",
   ccc => "C",
   ggg => "G",
   uuu => "U"
);

my $RNA = '
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggccccccaugccc
gggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
';
my $on = 0;

$RNA =~ /
     (?:
          ( \S\S\S ) \s*
          (?{
               if ( $^N eq 'aug' ){ $on = 1; print "\n"; }
               elsif ( $^N eq 'uga' ) { $on = 0; }
               if ( $on ) {
                  exists $AminoAcid{ $^N } ?
                    print $AminoAcid{ $^N } :
                    print "[key not found-> '$^N']";
               }
          })
     )+
   /x;

输出

Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC

Answer 3

@ lucas-trzesniewski的sub非常棒而且非常紧凑，但它有一些缺点：它不处理穿插的硬回车，只找到第一个蛋白质，不打印第一个蛋氨酸，并用一个修改$ _ / $ 1隐式返回（这是我试图避免的）。所以这是一个改进。请注意，我有一个非常精巧的翻译脚本，我自己处理了更多的案例（例如重叠的阅读框架，模糊的核苷酸，RNA片段，交替的起始密码子，多个终止密码子等），但如果你只是想要一些简单的东西对于有限的案例，这里是@ lucas-trzesniewski子的修改版本，解决了这些问题：

sub getAminoAcids
  {
    my $mrna = @_;
    $mrna =~ s/\s+//sg;
    $mrna = lc($mrna);
    my @proteins = ();
    while($mrna =~ /(aug(?:[acgu]{3})*?)uga/g)
      {
        $cds = $1;
        push(@proteins,"");
        while($cds =~ /(...)/g)
          {$proteins[-1] .= $aminoAcidMap{$1}}
      }
    return(@proteins);
  }

这假设您不想在蛋白质字符串中打印停止字符。它也可能有额外的错误检查。

弄清楚正确的匹配正则表达式

3 个答案: