Question

在我继续之前，我想我会把读者推荐给我以前与Perl的问题，作为所有这些的初学者。

这些是我过去几天的帖子，按时间顺序排列：

How do I average column values from a tab-separated data... （已解决）
Why do I see no computed results in my output file? （已解决）
Using a .fasta file to compute relative content of sequences

正如我上面所述，感谢你们中的一些人的帮助，我已经设法找出了前两个问题并且我真的从中学到了东西。我真的很感激。对于一个对此一无所知的人，并且仍然觉得他没有，这帮助实际上是天赐之物。

最后一个查询仍未解决，这是一个延续。我确实看了一些推荐的文本，但是因为我想在星期一之前完成这个，我不确定我是否完全忽略了任何东西。无论哪种方式，我都尝试过这项任务。

您知道，任务是打开并阅读.fasta文件（我想我终于把事情钉好了，哈利路亚！），读取每个序列，计算相对G + C核苷酸含量，然后写入TABDelimited文件以及基因名称及其各自的G + C含量。

即使我已经尝试过这个，但我知道我已经没有准备好执行程序来提供我所追求的结果，这就是为什么我再次与你们联系的原因一些指导，或如何解决这个问题的例子。与我以前的已解决的查询一样，我希望它与我已经完成的类似 - 尽管它可能不是最方便/最有效的方式。它只是让我知道我正在做的每一步都在做什么，即使看起来我正在垃圾邮件！

无论如何，.fasta文件的内容如下：

>label
sequence
>label
sequence
>label
sequence

我不确定如何打开.fasta文件，因此我不确定哪些标签适用于哪个，但我知道基因应该标记为gag，pol或env。我是否需要打开.fasta文件以了解我正在做什么，或者我可以通过使用上述格式“盲目地”执行此操作吗？

这可能是非常明显的，但我仍然在努力解决所有这些问题。我觉得我现在应该抓住了！

无论如何，我现有的代码如下：

#!/usr/bin/perl -w
# This script reads several sequences and computes the relative content of G+C of each sequence.
use strict; 

my $infile = "Lab1_seq.fasta";                               # This is the file path
open INFILE, $infile or die "Can't open $infile: $!";        # This opens file, but if file isn't there it mentions this will not open
my $outfile = "Lab1_SeqOutput.txt";             # This is the file's output
open OUTFILE, ">$outfile" or die "Cannot open $outfile: $!"; # This opens the output file, otherwise it mentions this will not open

my $sequence = ();  # This sequence variable stores the sequences from the .fasta file
my $GC = 0;         # This variable checks for G + C content

my $line;                             # This reads the input file one-line-at-a-time
while ($line = <INFILE>) {
    chomp $line;                      # This removes "\n" at the end of each line (this is invisible)

    foreach my $line ($infile) {
        if($line = ~/^\s*$/) {         # This finds lines with whitespaces from the beginning to the ending of the sequence. Removes blank line.
            next;
        } elsif($line = ~/^\s*#/) {        # This finds lines with spaces before the hash character. Removes .fasta comment
            next; 
        } elsif($line = ~/^>/) {           # This finds lines with the '>' symbol at beginning of label. Removes .fasta label
            next;
        } else {
            $sequence = $line;
        }
    }
    {
        $sequence =~ s/\s//g;               # Whitespace characters are removed
        return $sequence;
    }

我不确定这里有什么是正确的，但执行它会给我留下语法错误ar第35行（超出最后一行，因此没有任何东西！）。它在'EOF'上说。这就是我能指出的一切。否则，我试图弄清楚如何计算每个序列中核苷酸G + C的数量，然后在输出.txt文件中正确制表。我相信这是TABDelimited文件的意思吗？

无论如何，如果这个查询过于冗长，“愚蠢”或重复，我会道歉，但是在说，我找不到与此直接相关的任何信息，所以非常感谢您的帮助，并且如果可能的话，每个步骤的解释也是!!

最善良。

Answer 1

你最后有一个额外的支撑。这应该有效：

#!/usr/bin/perl -w
# This script reads several sequences and computes the relative content of G+C of each sequence.

use strict; 

my $infile = "Lab1_seq.fasta";                               # This is the file path
open INFILE, $infile or die "Can't open $infile: $!";        # This opens file, but if file isn't there it mentions this will not open
my $outfile = "Lab1_SeqOutput.txt";             # This is the file's output
open OUTFILE, ">$outfile" or die "Cannot open $outfile: $!"; # This opens the output file, otherwise it mentions this will not open

my $sequence = ();  # This sequence variable stores the sequences from the .fasta file
my $GC = 0;         # This variable checks for G + C content

my $line;                             # This reads the input file one-line-at-a-time

while ($line = <INFILE>) {
    chomp $line;                      # This removes "\n" at the end of each line (this is invisible)

    if($line =~ /^\s*$/) {         # This finds lines with whitespaces from the beginning to the ending of the sequence. Removes blank line.
        next;

    } elsif($line =~ /^\s*#/) {        # This finds lines with spaces before the hash character. Removes .fasta comment
        next; 
    } elsif($line =~ /^>/) {           # This finds lines with the '>' symbol at beginning of label. Removes .fasta label
        next;
    } else {
        $sequence = $line;
    }

    $sequence =~ s/\s//g;               # Whitespace characters are removed
    print OUTFILE $sequence;
}

我也编辑了你的回程线。返回将退出循环。我怀疑你想要的是将它打印到文件中，所以我已经这样做了。您可能需要先进行一些进一步的转换，以使其成为制表符分隔格式。

读取.fasta序列以提取核苷酸数据，然后写入TabDelimited文件

1 个答案: