Question

我有两个txt文件，然后我把它们放入hash'es，sequence =＆gt;标题。在文件DUOMENYS.txt中已知标题，在文件“DUOTA.txt”中标题未知。因此，对于文件“DUOTA.txt”中的每个序列，我需要在文件DUOMENYS.txt中找到类似的序列，然后打印该已知标题。我尝试使用slimple匹配，使用超过90％的序列符号匹配打印标题，但我被告知这是错误的，我必须以其他方式执行此操作，使用此表：http://www.ncbi.nlm.nih.gov/Class/FieldGuide/BLOSUM62.txt 我必须比较来自已知序列和未知序列的字母并获得数字（-4）-9，如果所有数字的总和=＆gt;序列长度* 3，打印标题

Example, ABW => TILE1, DUOMENYS.txt, ABF => UNKNOWNTITLE, DUOTA.txt,
A B W
A B F
4 4 1 sum = 9
length 3 x 3 = 9
9 => 9, true, print.

所以问题是我不知道如何实现它......

#!/usr/bin/perl
use strict;
use Data::Dumper;

open (OUTPUT, ">OUTPUT.txt") or die "$!"; #Turimos vairenio sekos
open (DUOMENYS, "DUOMENYS.txt") or die "$!";

open (OUTPUT1, ">OUTPUT1.txt") or die "$!"; #Tiriamos sekos
open (DUOTA, "DUOTA.txt") or die "$!";

open (OUTPUT2, ">OUTPUT2.txt") or die "$!"; #rezultatai

open (MATRIX, "MATRIX.txt") or die "$!";

#--------------------DUOMENYS-HASH-----------------------------

#my $contentFile = $ARGV[0];
my $contentFile = <DUOMENYS>;
my %testHash = ();
my $currentKey = "";
my $seka = "";
my %nhash = ();


open(my $contentFH,"<",$contentFile);
while(my $contentLine = <DUOMENYS>){
    chomp($contentLine);
    next if($contentLine eq ""); # Empty lines.
    if($contentLine =~ /^\>(.*)/){
        $testHash{$currentKey} = $seka;
        $currentKey= $1;
        $seka = "";
    }else{
        $seka .= $contentLine;
    }
}

#-------------------DUOTA-HASH-------------------------------------

#my $contentFile1 = $ARGV[0];
my $contentFile1 = <DUOTA>;
my %testHash1 = ();
my $currentKey1 = "";
my $seka1 = "";
my %nhash1 = ();

open(my $contentFH1,"<",$contentFile1);
while(my $contentLine1 = <DUOTA>){
    chomp($contentLine1);
    next if($contentLine1 eq ""); # Empty lines.
    if($contentLine1 =~ /^\>(.*)/){
        $testHash1{$currentKey1} = $seka1;
        $currentKey1= $1;
        $seka1 = "";
    }else{
        $seka1 .= $contentLine1;
    }    
}

#--------------------OUTPUT-HASH------------------------------------

%nhash = reverse %testHash;
print OUTPUT Dumper(\%nhash);

%nhash1 = reverse %testHash1;
print OUTPUT1 Dumper(\%nhash1);

#---------------------MATCHING---------------------------------------

my $klaidu_skaicius = 0;
my @sekos = keys %nhash;
my @duotos_sekos = keys %nhash1;
my $i = 0;
my $j = 0;

for($i = 0; $i <= scalar@sekos; $i++){
    for($j = 0; $j <= scalar@duotos_sekos; $j++){
        $klaidu_skaicius = (@sekos[$i] ^ @duotos_sekos[$j]) =~ tr/\0//c;
        if($klaidu_skaicius <= length(@sekos[$i])/10){
            print OUTPUT2 substr( $nhash{@sekos[$i]}, 0, 9 ), "\n";
        }
        else{
            print OUTPUT2 "";
        }

    }
}

来自评论

pastebin.com/7QnBDTDY - povilito 5月30日11:57

对于pastebin.com来说太大了（15mb） - povilito 5月30日12:01

filedropper.com/duomenys - povilito 5月30日12:04

我认为比较“字母”和“”（空格）或“”应该给我们数字-4 - povilito 5月30日12:28

为一个未知序列找到一个标题是很有必要的。 - povilito 5月30日12:45

因此，如果有50个未知序列，输出文件应该给我们50个标题，一些标题可以是相同的:)

Answer 1

根据我的理解，以下是您的问题解决方案的基本版本。我认为两个序列相等，如果需要，您可以轻松地进行更改。

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

# convert your matrix file to 2D hash
my %hash;

open my $fh, '<', 'matrix' or die "unable to open file: $!\n";

chomp(my $heading = <$fh>);

# strip out space from begining
$heading =~ s/^\s+//g;

my @headings = split (/\s+/, $heading);

while(<$fh>) {
    chomp;
    my @line = split;
    my $key1 = shift @line;
    foreach my $i( 0 .. $#line) {
        $hash{$key1}{$headings[$i]} = $line[$i];
    }
}
close $fh;

# Took from your example for reference

my $duameny = "ABW";
my $duota = "ABF";

my @duamenys = split (//,$duameny);
my @duotas = split (//,$duota);

# calculate sum from hash
# considering both sequences are equal

my $sum = 0;
foreach my $i (0 .. $#duamenys) {
    $sum += $hash{$duamenys[$i]}{$duotas[$i]};
}

# calculate length from sequence
my $length = (length $duameny) * 3;

print "SUM: $sum, Length: $length\n";

if($sum >= $length) {
    # probably you know how to print the title
    # print the title from duamenys.txt
}

以下是我的方法摘要。

首先将矩阵转换为2D哈希进行查找。
从序列的散列计算总和。
从序列计算的长度
比较它们并打印标题sum >= length。

<强>输出：

SUM: 9, Length: 9

使用矩阵扫描和匹配字母序列

来自评论

1 个答案: