Question

我是perl的新手，我正在尝试编写一个程序来输入pdb文件（来自Directory，我有3000个文件），输出将保存另一个目录（另一个文件夹）。

代码：

open( filehandler, "Document1.txt" ) or die $!;    #Input file
my @file1     = <filehandler>;
my $OutputDir = 'C:\test_result_file';

foreach my $line (@file1) {
    chomp $line;
    open( fh, "$line" ) or die $!;
    open( out, ">$OutputDir/$line.pdb" ) or die $!;

    while ( $file = <fh> ) {
        if ( $file =~ /^ATOM.{9}(?:CG|CD1|CD2B|CE1|CE2|CZ|C|O|CB|CG|CD)/ ) {
            $hash{$1}{$2}++;
        }
        foreach $key ( sort { $hash{$1} <=> $hash{$2} or $1 cmp $2 } keys %hash ) {
            print out $key;
        }
    }
    print "Completed", "\n";
}

例如输入文件：

ATOM   1752  CG  TYR A 248      89.088  39.843  51.944  1.00 32.03           C  
ATOM   1753  CD1 TYR A 248      89.759  39.356  50.810  1.00 37.15           C  
ATOM   1754  CD2 TYR A 248      87.727  40.049  51.864  1.00 32.81           C  
ATOM   1755  CE1 TYR A 248      89.078  39.081  49.646  1.00 36.00           C  
ATOM   1756  CE2 TYR A 248      87.035  39.774  50.706  1.00 35.66           C  
ATOM   1757  CZ  TYR A 248      87.708  39.285  49.599  1.00 35.16           C  
ATOM   7394  C   GLN B 331      37.664  74.934  36.854  1.00 22.75           C  
ATOM   7395  O   GLN B 331      37.728  73.730  36.607  1.00 31.73           O  
ATOM   7396  CB  GLN B 331      37.467  76.222  34.712  1.00 27.88           C  
ATOM   7397  CG  GLN B 331      36.515  76.825  33.693  1.00 32.42           C  
ATOM   7398  CD  GLN B 331      35.390  75.877  33.328  1.00 35.70           C

预期产量：一条链：

ATOM   1753  CD1 TYR A 248      89.759  39.356  50.810  1.00 37.15            C  
ATOM   1752  CG  TYR A 248      89.088  39.843  51.944  1.00 32.03           C  
ATOM   1754  CD2 TYR A 248      87.727  40.049  51.864  1.00 32.81           C  
ATOM   1755  CE1 TYR A 248      89.078  39.081  49.646  1.00 36.00           C

ATOM   1753  CD1 TYR A 248      89.759  39.356  50.810  1.00 37.15           C  
ATOM   1754  CD2 TYR A 248      87.727  40.049  51.864  1.00 32.81           C  
ATOM   1755  CE1 TYR A 248      89.078  39.081  49.646  1.00 36.00           C 
ATOM   1756  CE2 TYR A 248      87.035  39.774  50.706  1.00 35.66           C  

ATOM   1754  CD2 TYR A 248      87.727  40.049  51.864  1.00 32.81           C  
ATOM   1755  CE1 TYR A 248      89.078  39.081  49.646  1.00 36.00           C 
ATOM   1756  CE2 TYR A 248      87.035  39.774  50.706  1.00 35.66           C  
ATOM   1757  CZ  TYR A 248      87.708  39.285  49.599  1.00 35.16           C

B链：

ATOM   7394  C   GLN B 331      37.664  74.934  36.854  1.00 22.75           C  
ATOM   7395  O   GLN B 331      37.728  73.730  36.607  1.00 31.73           O  
ATOM   7396  CB  GLN B 331      37.467  76.222  34.712  1.00 27.88           C  
ATOM   7397  CG  GLN B 331      36.515  76.825  33.693  1.00 32.42           C 

ATOM   7395  O   GLN B 331      37.728  73.730  36.607  1.00 31.73           O  
ATOM   7396  CB  GLN B 331      37.467  76.222  34.712  1.00 27.88           C  
ATOM   7397  CG  GLN B 331      36.515  76.825  33.693  1.00 32.42           C  
ATOM   7398  CD  GLN B 331      35.390  75.877  33.328  1.00 35.70           C  

ATOM   7396  CB  GLN B 331      37.467  76.222  34.712  1.00 27.88           C  
ATOM   7397  CG  GLN B 331      36.515  76.825  33.693  1.00 32.42           C  
ATOM   7398  CD  GLN B 331      35.390  75.877  33.328  1.00 35.70           C  
ATOM   7394  C   GLN B 331      37.664  74.934  36.854  1.00 22.75           C

链ID可以是a到h。因此，规则是看到上面的预期输出：前四行将是唯一的，然后第五行将是第二行的同一行，并将新行添加为八行行。

我无法编写代码来解决这个问题，任何一个帮助

Answer 1

我担心我不得不说你的代码相当令人困惑，但我从数据样本中得到的结论是：

应该有一条四条线穿过输入线的窗口。
当您前进到每个新行时，应打印窗口内容（所有四行）。
每次遇到新序列时都应重置窗口。
每一行是一系列以空格分隔的字段，第五个字段标识序列。

窗口内容可以存储在一个简单的Perl数组中（请参阅下面代码段中的@window）。您只需使用push向其附加数据，然后在移至下一行时移除第shift行。序列更改时，打印当前窗口并重置。在下面的示例代码中，我假设序列不混合。如果注意这种情况，您需要事先阅读所有输入并根据需要进行排序。

use strict;
use warnings;

my $win_len = 4;
my @window = ();
my $prev_chain = "";

while (<>) {
    my ($atom_name, $chain) = (split)[2, 4];
    next unless $atom_name =~ /\b(?:CG|CD1|CD2B|CE1|CE2|CZ|C|O|CB|CG|CD)\b/;
    if ($chain eq $prev_chain) {
        if (@window == $win_len) {
            print_window();
            shift @window;
        }
        push @window, $_;
    } else {
        print_window() if @window;
        @window = ($_);
        $prev_chain = $chain;
    }
}
print_window() if @window;

sub print_window {
    print foreach @window;
    print "\n";
}

演示：https://ideone.com/oOB8bF

脚本从STDIN读取数据并将结果打印到STDOUT以简化操作。您的代码示例建议您存储要在Document1.txt中处理的文件列表，并从这些文件中读取实际输入。在这种情况下，您需要一个额外的循环：

use strict;
use warnings;

my $OutputDir = 'C:/test_result_file';
open my $dir, "Document1.txt" or die "Failed to open Document1.txt:$!";
chomp(my @files = <$dir>);

foreach my $file (@files) {
    my $win_len = 4;
    my @window = ();
    my $prev_chain = "";

    open my $input, $file or die "failed to open $file: $!\n";
    open my $output, '>', "$OutputDir/$file.pdb" or die "failed to open $OutputDir/$file.pdb: $!\n";
    while (<$input>) {
        my ($atom_name, $chain) = (split)[2, 4];
        next unless $atom_name =~ /\b(?:CG|CD1|CD2B|CE1|CE2|CZ|C|O|CB|CG|CD)\b/;
        if ($chain eq $prev_chain) {
            if (@window == $win_len) {
                print_window($output, @window);
                shift @window;
            }
            push @window, $_;
        } else {
            print_window($output, @window) if @window;
            @window = ($_);
            $prev_chain = $chain;
        }
    }
    print_window($output, @window) if @window;
}

sub print_window {
    my $fh = shift;
    print $fh $_ foreach @_;
    print $fh "\n";
}

如何从perl中的pdb文件多次打印相同的行数据

1 个答案: