从格式化输出perl中的范围文件中提取区域
从格式化输出perl中的范围文件中提取区域
提问于 2016-12-08 12:02:15
我有这样一个输入和列表文件：
input.txt文件：
>gi|NP_415931.4
MTEQQKLTFTALQQRLDSLMLRDRLRFSRRLHGVKKVKNPDAQQAIFQEMAKEIDQAAGKVLLREAARPEITYPD
>gi|NP_418770.2
MMNKSNFEFLKGVNDFTYAIACAAENNYPDDPNTTLIKMRMFGEATAKHLGLL
>gi|YP_026226.4
MRKFTLNIFTLSLGLAVMPMVEAAPTAQQQLLEQVRLGEATHREDLVQQSLYRLELIDPNNPDVVAARFRSLLRQGDIDGAQKQlist.txt文件：
NP_415931.4: 1-5, 6-8
YP_026226.4: 3-7, 9-9, 10, 12-15现在，我想要一个csv格式的output.csv (带有某些添加的头)(对于上面的输入)：
ID,Regions,Length,Sequences
NP_415931.4,1-5,5,MTEQQ
,6-8,3,KLT
YP_026226.4,3-7,5,KFTLN
,9-9,1,F
,10,1,T
,12-15,4,SLGL也就是说，它首先将列表文件头与输入文件头进行匹配，并获取匹配的一次序列，然后给出以上述格式排列的输出。
output.csv的excel视图如下：
如何从这些输入生成上述output.csv文件？
谢谢
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-12-08 15:03:20
这是一种方法。总结一下:我们有一个包含所有定义序列的主数据库文件input.txt。我们的工作是从这个数据库中提取某些信息并将其写入CSV文件。有关要提取的内容的信息在文件list.txt中给出。
use feature qw(say);
use strict;
use warnings;
my $input_fn = 'input.txt';
open ( my $fh1, '<', $input_fn ) or die "Could not open file '$input_fn': $!";
my %seqs;
while( my $line = <$fh1> ) {
my ($id ) = $line =~ /gi\|(.*)$/;
chomp( my $seq = <$fh1> );
$seqs{$id} = $seq;
}
close $fh1;
say join ',', qw(ID Regions Length Sequences);
my $list_fn = 'list.txt';
open ( my $fh2, '<', $list_fn ) or die "Could not open file '$list_fn': $!";
while( my $line = <$fh2> ) {
chomp $line;
my ( $id, @regions ) = split /[:,]\s?/, $line;
for my $i (0..$#regions) {
my $region = $regions[$i];
my $start = my $end = $region;
if ( $region =~ /(\d+)-(\d+)/ ) {
$start = $1;
$end = $2;
}
my $name = ($i == 0) ? $id : "";
my $seq = substr( $seqs{$id}, $start - 1, $end - $start + 1);
say join ',', $name, $region, length( $seq ), $seq;
}
}
close $fh2;输出
ID,Regions,Length,Sequences
NP_415931.4,1-5,5,MTEQQ
,6-8,3,KLT
YP_026226.4,3-7,5,KFTLN
,9-9,1,F
,10,1,T
,12-15,4,SLGL页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41039055
复制相关文章
相似问题
腾讯云开发者
