Question

我想为带有基因转录本的文件创建唯一的ID。每行由transcript_id和内含子组成，格式为：chromosome：start_coord-end_coord：strand。我的文件看起来像这样：

CUFF.59321      chr7:134136506-134143748:-
CUFF.59321      chr7:134135655-134136337:-
CUFF.59321      chr7:134134550-134135537:-
CUFF.59321      chr7:134133872-134134471:-
CUFF.59321      chr7:134133246-134133748:-
CUFF.59321      chr7:134132814-134133138:-
CUFF.57276      chr7:25163747-25164818:-
CUFF.57276      chr7:25163469-25163569:-

我想组合重复的transcript_ids（第1列）和它们的起始坐标。 CUFF.57276的示例：

CUFF.57276 chr7:25163747-25164818:25163469-25163569:-

为此，我使用了数组哈希。

#!/usr/bin/perl -w

use strict;

my $input_gtf = shift @ARGV or die $!;

my %hash;

open (FILE, "$input_gtf") or die $!;
while (<FILE>) {
    my $line = $_;
    chomp $line;
    my @array = split /:\s+/, $line;
    my $cuff = $array[0];
    my @introns = $array[1];
    $hash{$cuff} = [@introns];
}
foreach my $cuff(keys %hash) {
    print "$cuff:${hash{$cuff}}\n";
}

close FILE;

但是我得到了以下输出：

CUFF.61092      chr8:67968840-67969614:-:ARRAY(0x16a8b10)
CUFF.30258      chr19:16636489-16638890:-:ARRAY(0x15f3b00)
CUFF.47340      chr4:85719262-85722802:-:ARRAY(0x2ae38599de90)

如何可视化ARRAY（0x16a8b10）声明或类似声明中的值？

Answer 1

输入中:后没有空格，因此$array[1]为空。此外，您不想为每一行覆盖$hash{$cuff}，您希望将新范围push放入现有数组中。 @{ ... }是数组解除引用，它将数组引用转换为它引用的数组。

这是我的脚本版本：

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

my $input_gtf = shift or die $!;

my %hash;

open my $FILE, $input_gtf or die $!;
while (my $line = <$FILE>) {
    chomp $line;
    my @array = split /:/, $line;
    my ($cuff, $introns) = @array;
    push @{ $hash{$cuff} }, $introns;
}
close $FILE;

for my $cuff (keys %hash) {
    print join ':', $cuff, @{ $hash{$cuff} };
    print "\n";
}

我对代码所做的无关更改：

使用词法文件句柄。它们更安全，更容易传递。
无需仅使用$_将其存储在其他变量中。您可以直接将<>分配给变量。

数组的哈希值以创建唯一的ID

1 个答案: