Question

我有一个fasta文件，里面有大约8,000个序列。我需要将标识符行名称更改为随机唯一缩短名称（最大长度为10）。 fasta文件包含这样的序列。

>AX039539.1.1212 Bacteria;Chloroflexi;Dehalococcoidia;Dehalococcoidales;
GAUGAACGCUAGCGGCGUGCCUUAUGCAUGCAAGUCGAACGGUCUUAAGCAAUUAAGAUAGUGGCAAACGGGUGAGUAACGCGUAAGUAACCUACCUCUAAGUGGGGGAUAGCUUCGGGAAACUGAAGGUAAUACCGCAUGUGGUGGGCCGACAUAAGUUGGUUCACUAAAGCCGUAAGGUGCUUGGUGAGGGGCUUGCGUCCGAUUAGCUAGUUGGUGGGGUAACGGCCUACCAAGGCUUCGAUCGGUAGCUGGUCUGAGAGGAUGAUCAGCCACACUGGGACUGAGACACGGCCCAGACUCCUACGGGAG

到目前为止，这是我的脚本：

use strict; 
use warnings;

#change ID line name to random unique shorten (max 10 characters) string

open (my $fh,"$ARGV[0]") or die "Failed to open file: $!\n";
open (my $out_fh, ">$ARGV[0]_shorten_ID.fasta");

my $string;

while(<$fh>) {

  for (0..9) { $string .= chr( int(srand(rand(25) + 65) )); }

  if ($_ =~ s/^>*.+\n/>$string/){  # change header FASTA header    

    print $out_fh "$_";

  }
}

close $fh;
close $out_fh;

我一直在尝试这个，但它从10个字符开始，然后再添加10个字符，然后我失去了序列。我意识到已经存在类似的问题，但它略有不同，我需要随机生成唯一的缩写名称。

Answer 1

只需将$string重置为while循环内的空字符串，即可解决您的问题。但这是不必要的复杂（也是低效的 - 当你没有看到以>开头的行时，你生成并丢弃随机标识符）;我会选择

perl -pe 'BEGIN { srand(time()); }
    s/>.*/ ">" . join ("", map { chr(rand(25)+65) } 0..9) /e' file.fasta

如果您不是绝对需要正确的伪随机标识符，可以只使用

perl -pe 'BEGIN { $id = "a" x 7 } s/>.*/">" . $id++/e' file.fasta

生成标识符，如＆＃34; aaaaaaa＆＃34;，＆＃34; aaaaaab＆＃34;等等（我选择了7个字符的标识符，但是4个字符对于8,000个唯一id：s来说已经足够了;你结束了＆＃34; alvr＆＃34;。）

在fasta文件中将标识符行名称更改为随机缩写的名称

1 个答案: