Question

我编写了以下脚本来搜索蛋白质序列（字符串）中的motif（substring）。我是初学者，写这个对我来说很难。我有两个相同的问题：的 1。错误：以下脚本几乎没有错误。我已经相当一段时间了，但还没弄清楚是什么以及为什么？ 2.编写以下脚本以搜索蛋白质序列（字符串）中的一个motif（子串）。我的下一个任务是在相同的蛋白质序列（字符串）中按特定顺序搜索多个基序（例如：motif1 motif2 motif 3 motif4此顺序不能更改）

        use strict;
        use warnings;

        my @file_data=();
        my $motif ='';
        my $protein_seq='';
        my $h= '[VLIM]';   
        my $s= '[AG]';
        my $x= '[ARNDCEQGHILKMFPSTWYV]';
        my $regexp = "($h){4}D($x){4}D"; #motif to be searched is hhhhDxxxxD
        my @locations=();

        @file_data= get_file_data("seq.txt");

        $protein_seq= extract_sequence(@file_data); 

    #searching for a motif hhhhDxxxxD in each protein sequence in the give file

        foreach my $line(@file_data){
        if ($motif=~ /$regexp/){
        print "found motif \n\n";
        }
        else {
        print "not found \n\n";
        }
        }
#recording the location/position of motif to be outputed

        @locations= match_position($regexp,$seq);
        if (@locations){ 
        print "Searching for motifs $regexp \n";
        print "Catalytic site is at location:\n";
        }
        else{
        print "motif not found \n\n";
        }
        exit;

        sub get_file_data{
        my ($filename)=@_;
        use strict;
        use warnings;
        my $sequence='';

        foreach my $line(@file_data){

        if ($line=~ /^\s*$/){
        next;
                }
        elsif ($line=~ /^\s*#/){
        next;
        }
        elsif ($line=~ /^>/){
        next;
        }
        else {
        $sequence.=$line;
        }
        }
        $sequence=~ s/\s//g;
        return $sequence;
        }

        sub(match_positions) {
        my ($regexp, $sequence)=@_;
        use strict;
        my @position=();
        while ($sequence=~ /$regexp/ig){
        push (@position, $-[0]);
        }
        return @position;
        }

Answer 1

首先，关键字为elsif，其次是您不需要它。您可以将get_file_data循环中的代码压缩为：
```
next if $line =~ /^\s*$|^>/; 
$sequence .= $line;
```
只要您要使用正则表达式 - 除非过于笨拙 - 您也可以搜索您想要忽略的所有情况。如果您发现实际的第二种情况，可以将其添加为另一种交替。假设您要排除以#-开头的行。然后你可以像这样添加它：/^\s*$|^>|^#-/
另一件事是my position=();需要@ sigil，在位置之前，或者其他方式，perl认为你正在通过调用position()来尝试一些棘手的事情
您需要进行以下更改：
```
 my $h= '[VLIM]';   
 my $s= '[AG]';
 my $x= '[ARNDCEQGHILKMFPSTWYV]';
```
否则，您只是将$h分配给数组引用，其中包含从 sub VLIM返回的任何内容填充的单个插槽。

第三，不要使用$&。替换pos($sequence)-length($&)+1

push @positions, $-[0];

或者更好的是，使用English：

use English qw<-no_match_vars>;
...
push @positions, $LAST_MATCH_START[0];

我建议以下文件阅读：

use IO::File;
...
# Use real file handles
my $fh = IO::File->new( "<seq.txt" );
get_file_data( $fh ); # They can be passed
...
sub get_file_data{
    my $file_handle = shift; 
    ...
    # while loop conserves resources
    while ( my $line = <$file_handle> ) { 
        next if $line =~ /^\s*$|^>/;
        $sequence .= $line;
    }

关于前进的建议 - 这对我有很大的帮助：

一个。安装Smart::Comments

B中。把它放在脚本的顶部：
```
 use Smart::Comments;
```
℃。每次你不确定你到目前为止所做的事情，比如你想看到$sequence的当前内容，请在代码中放置以下内容：
```
### $sequence
exit 0;
```
只是展示并退出。如果打印输出太多，请将其删除。

Answer 2

使用“elsif”代替“elseif”。
@file_data和@fasta_file_data应该是一回事吗？

在match_positions：

删除子名称周围的括号。
将“我的位置”改为“我的@position”。
将模式从/ regexp / ig更改为/ $ regexp / ig。

在蛋白质序列中搜索motif？

2 个答案: