Perl正则表达式（以ATG开头，以TAG，TAA或TGA结尾）

Question

我需要perl中的正则表达式，它在开始时与ATG匹配，并以TAG，TAA或TGA结束。这是我到目前为止的代码。

my $sequence = 'AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATACAGAATGATCTAACGAA';

while($sequence =~ ____) {
 print $1;
}

Answer 1

由于你在这里处理codons，你可能忘记提及它们之间的核苷酸必须是3的倍数。

<强>代码：

my $sequence = 'AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATACAGAATGATCTAACGAA';
               # |--------------1-------------|
               #                                        |---2---|  

while($sequence =~ /ATG(?:[ACTG]{3})*?T(?:A[AG]|GA)/g)
{
    print $&."\n";
}

<强>输出：

ATGGTTTCTCCCATCTCTCCATCGGCATAA
ATGATCTAA

说明

• ATG - 匹配＆＃34; ATG＆＃34;字面上
• (?:[ACTG]{3})*? - 是non capturing group，重复0次，尽可能少（lazy quantifier，额外?），匹配：
  • [ACTG]{3} - 3个字符/核苷酸（＆＃34; A＆＃34;，＆＃34; C＆＃34;，＆＃34; T＆＃34;或＆＃34; G＆＃34; ）
• T(?:A[AG]|GA) - 匹配＆＃34; TAA＆＃34;，＆＃34; TAG＆＃34;或＆＃34; TGA＆＃34;。此外，如Borodin commented，如果您希望提高可读性，则可以将其写为(?:TAG|TAA|TGA)。

但是，如果您还需要匹配重叠序列，则应使用lookahead来阻止匹配消费字符。

<强>代码：

               # modified to include overlapping sequences
my $sequence = 'AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATATGGAATGATCTAACGAA';
               # |--------------1-------------|
               #                                   |---2---|
               #                                        |---3---|

while($sequence =~ /ATG(?=((?:[ACTG]{3})*?T(?:A[AG]|GA)))/g)
{
    print $&.$1."\n";
}

<强>输出：

ATGGTTTCTCCCATCTCTCCATCGGCATAA
ATGGAATGA
ATGATCTAA

最后，这是使用Unrolling the Loop技术的最后一个表达式的更高效版本，当您处理大型序列时，它将产生更好的结果。

<强>代码：

my $sequence = 'AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATATGGAATGATCTAACGAA';
               # modified to include overlapping sequences

while($sequence =~ /ATG(?=((?:[ACG][ACTG]{2})*(?:T(?:A[CT]|G[CTG]|[CT][ACTG])(?:[ACG][ACTG]{2})*)*T(?:A[AG]|GA)))/g)
{
    print $&.$1."\n";
}

<强>输出：

ATGGTTTCTCCCATCTCTCCATCGGCATAA
ATGGAATGA
ATGATCTAA

Answer 2

不确定这是否是您要找的，但是找到一个匹配，因此它不是详尽的

my $sequence = 'AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATACAGAATGATCTAACGAA';

if($sequence =~ /(ATG.*?(:?TAG|TAA|TGA))/) {
 print $1;
}

<强>输出

ATGGTTTCTCCCATCTCTCCATCGGCATAA

Answer 3

Try this:
#!/usr/bin/perl
my $sequence ='AATGGTTTCTCCCATCTCTCCATCGGCATAAAAATACAGAATGATCTAACGAA';
while($sequence =~m/ATG.*?(TGA|TAG|TAA)/g)
{
  print $&,"\n";
}