Question

我想从file.tbl中找到file.txt中列出的信息。文件详细信息和脚本如下。

file.txt的格式为：

#comp120_c2_seq3                                                       918   0.0  
# comp120_c2_seq1                                                       918   0.0  
 #comp21106_c0_seq1                                                     874   0.0  
 #comp120_c2_seq2                                                       835   0.0

，而file.tbl的格式为：

#comp788_c0_seq1_ CCTAATCATTTAATGTTTTTTT

#comp1107_c0_seq1_ CAAAAAAAAAAAAAAAAAAAAAATTGTCA

#comp1570_c0_seq3_ TTTTTTTTCTTTTAACAAC

#......

我的脚本如下：

 #!/usr/bin/perl -w

#This script reads in a list of sequence names from one file and find associated sequence from another file

 open(NAME,"<$ARGV[0]")||die;
 open(SEQ,"<$ARGV[1]")||die;
 $name = "";
 $seq = "";
 %pair = ();

while(<SEQ>){
 s/\cM/\n/g;
        s/\r\n/\n/g;
        s/\r/\n/g; 
  @line = split("\t",$_);
  $name = $line[0];
  $name =~s/\_+/\_/g;
  if ($name=~/^(comp\S*)\_(seq)/){
   $name = $1;
  }
  $seq = $line[1];
  $pair{$name} = $seq;
 }

while (<NAME>){
  s/\cM/\n/g;
         s/\r\n/\n/g;
         s/\r/\n/g;
  if (/^(comp\S*)\s+(seq)/){
          print ">$1\n$pair{$1}";
  }

}

close NAME;
close SEQ;

帮助我。在此先感谢。

Answer 1

我可以将file.tbl假设为FASTA文件吗？

如果是这样，您可以使用Bio::SeqIO;来读取文件。

use Bio::SeqIO;

my $in = Bio::SeqIO->new('-file' => "file.tbl", 
                         '-format' => 'fasta');

while (my $seq = $in->next_seq()) {
    # save $seq into a hash
}

Answer 2

/^(comp\S*)\s+(seq)/循环中的模式while (<NAME>)与序列名称不匹配，因为\s部分之前没有空格seq…，而是下划线{{ 1}};此处的模式应与_循环中的模式完全相同。

Perl：脚本从一个文件中读取序列名称列表，并从另一个未工作的文件中查找相关序列

2 个答案: