Пока мне удалось немного лучше понять Perl, что является облегчением, и я хочу поблагодарить вас, ребята. В настоящее время я все еще работаю над другим аспектом, где мне нужно прочитать файл .fasta и найти все нуклеотиды G и C, а затем создать файл с разделителями табуляции.
Это были мои сообщения за последние несколько дней в хронологическом порядке:
- Как сделать Я усредняю значения столбцов из данных, разделенных табуляцией ... (решено)
- Почему я не вижу вычисленных результатов в моем выводе файл? (решено)
- Использование файла .fasta для вычисления относительного содержания последовательностей < / а>
- Чтение последовательностей .fasta для извлечения нуклеотидные данные, а затем ... (сообщение перед этим)
Последний запрос все еще прорабатывается, но я добился некоторого прогресса.
Немного фона, файл .fasta читается примерно так:
>label
sequence
>label
sequence
>label
sequence
Я не уверен, как открыть файл .fasta, поэтому я не уверен, какие метки к каким относятся, но я знаю, что гены должны быть помечены как gag
, pol
или env
. Нужно ли мне открывать файл .fasta, чтобы знать, что я делаю, или я могу сделать это «вслепую», выбрав указанный выше формат?
Во всяком случае, текущий код у меня следующий:
#!/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 =~ qr(^\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;
}
Теперь код печатает в текстовый файл всю последовательность без пробелов. Единственная проблема в том, что я не знаю, где последовательности начинались или заканчивались, поэтому я не уверен, какие последовательности применимы к каждому гену. Хотя кодон остановки / запуска должен дать мне указание. С учетом этого, как мне изменить / добавить в код, чтобы вычислить количество G + C в последовательностях, а затем распечатать их в файл с разделителями табуляции с именами генов, связанных с их соответствующим содержимым G / C ?
Я с нетерпением жду ответа от кого-то, кто может дать некоторые рекомендации, аналогичные приведенному выше коду, относительно того, как найти G / C и затем свести в таблицу соответствующие подсчеты.