求助

zhagnqiang829

內(nèi)容格式如下，要求：1）第一個小寫序列和第一大寫序列連接處向前后各取10（紅色），放到E00*后面，把大寫序列之間的小寫序列（綠色）放到I00*后面。2）同樣把最后一個大寫序列和小寫序列連接處向前后個取10，放到S00*后面。3）把I00*后面的序列a換t, t換a，c換g，g換c.
4) 把所有序列轉(zhuǎn)換為大寫序列。內(nèi)容格式如下：
RPSA
ctttgtgggccattcaagtctccgaaATGGCAGCCGACAAATCTGCAAGgtgagttttcaaccacagagcaagGCCCACATCGGGAACAAGgtacgcaggttgtctgttgtcgctgctcacagGGCAAGGGCGAGCCCTGGTAAacactccgttgatcgaggcgggaagtcgatgggag
>CDS
ATGGCAGCCGACAAGCAGGCAAAACTCTCCCCCTGGTAA
RPS2
atgttccttcaattctcttcttccccttacgatagagacgATGGCAGctgaatccccacattgaaattggccgcAACGCGGCAGCTTTGGACGAGGGGAGTACCAGgagagttttgcatctgattgcgacgcttctgtccttactcgcagccgtagcactt
>CDS
ATGGCAGAACGCGGCAGCCGCTCGCCTAG
輸出結(jié)果：
RPSA
E001agtctccgaaATGGCAGCCG
I001gtgagttttcaaccacagagcaag
E002agtctccgaaATGGCAGCCG
I002gtacgcaggttgtctgttgtcgctgctcacag
S001GCCCTGGTAAacactccgtt
I001gtgagttttcaaccacagagcaag
S002GCCCTGGTAAacactccgtt
I002gtacgcaggttgtctgttgtcgctgctcacag
RPS2
E001gatagagacgATGGCAG
I001ctgaatccccacattgaaattggccgc
S001GGAGTACCAGgagagttttg
I001ctgaatccccacattgaaattggccgc

q1208c

好變態(tài)的需求.
我個人以為, 一切以數(shù)量決定的字符串處理, 都是不太可靠的, 因為異常情況很難處理.

zhagnqiang829

要求的3和4已經(jīng)處理。僅處理1和2就可以。謝謝大神了。。。。回復(fù) 2# q1208c


   

xiumu2280

1. my @title = $str=~/([a-z]{10}[A-Z]{10})/g;
   
2. my @body = $str=~/[A-Z]([a-z]+)[A-Z]/g;

復(fù)制代碼

這兩個應(yīng)該可以匹配你1,2需求的兩種字符。

zhagnqiang829

對。。。，就是截取序列時，有的序列長度不夠10，有幾個取幾個。回復(fù) 4# xiumu2280


   

xiumu2280

$s=~/[a-z]{1,10}[A-Z]{1,10}/g;
第一個這樣寫回復(fù) 5# zhagnqiang829


   

zhagnqiang829

呵呵，謝謝你。
幫我修改下，運行總是有點問題。


#! /usr/bin/perl -w
use strict;
open IN, "文件.txt" || die "can't open 文件.txt $!";
open OUT,">結(jié)果.txt";
while (<IN>) {
    s/\s*$/\n/;
    if (/^R/) {
        print OUT;
        chomp(my $line = <IN>);
        &fuc($line);
    }   
    if (/^cDNA/) {
        print OUT;
    }
}

sub fuc {
    my ($line) = shift;
    my @arr;
  
  my @title = $line=~/([a-z]{10}[A-Z]{10})/g;

    my @body = $line=~/[A-Z]([a-z]+)[A-Z]/g;
       
    foreach my $slice (@title) {
        push @arr, $slice =~ /^(.{10}).*(.{10})$/;
    }   
    shift @arr and pop @arr;
    my $i = 0;
    while (defined $arr[$i] and defined $arr[$i+1]) {
        print OUT "E00".($i+1)."$arr[$i]$arr[$i+1]\n";
        $i += 1;
    }
    foreach my $j (0..$#body) {
        print OUT"I00".($j+1)."$body[$j]\n";
    }
}
close OUT;
回復(fù) 6# xiumu2280


   

jzp520520

滿足你1，2的代碼：
#! /usr/bin/perl -w
use strict;
our $title;
my ($e,$i,$s)=("001","001","001");
while (<DATA>) {
                chomp;
        $title=$_ and next unless /^[actg]/;
       
        my (@a,@A);
        while (/(([atcg]+)|([ATCG]+))/g) {
                $2 ? do{push @a,$2}  : do{push @A,$3 };
               
        }
        print $title,$/;
        print "E".$e.substr($a[0],-10,10).substr($A[0],0,10),$/;
        print "S".$s.substr($A[-1],-10,10).substr($a[-1],0,10),$/;
         map {print "I".$i.$a[$_],$/;$i++}(1..$#a-1);
         $e++;$s++;
        }

__DATA__
RPSA
ctttgtgggccattcaagtctccgaaATGGCAGCCGACAAATCTGCAAGgtgagttttcaaccacagagcaagGCCCACATCGGGAACAAGgtacgcaggttgtctgttgtcgctgctcacagGGCAAGGGCGAGCCCTGGTAAacactccgttgatcgaggcgggaagtcgatgggag
>CDS
ATGGCAGCCGACAAGCAGGCAAAACTCTCCCCCTGGTAA
RPS2
atgttccttcaattctcttcttccccttacgatagagacgATGGCAGctgaatccccacattgaaattggccgcAACGCGGCAGCTTTGGACGAGGGGAGTACCAGgagagttttgcatctgattgcgacgcttctgtccttactcgcagccgtagcactt
>CDS
ATGGCAGAACGCGGCAGCCGCTCGCCTAG



---------- perl ----------
RPSA
E001agtctccgaaATGGCAGCCG
S001GCCCTGGTAAacactccgtt
I001gtgagttttcaaccacagagcaag
I002gtacgcaggttgtctgttgtcgctgctcacag
RPS2
E002gatagagacgATGGCAG
S002GGAGTACCAGgagagttttg
I003ctgaatccccacattgaaattggccgc

輸出完成 (耗時 0 秒) - 正常終止

zhagnqiang829

大仙兒，如果有時間，幫我看看代碼。謝謝。。
（在我的代碼基礎(chǔ)上幫忙修改一下，總是運行結(jié)果總是有問題。）回復(fù) 2# q1208c


   

zhagnqiang829

嘻嘻，謝謝你。。
如果結(jié)果輸出再能排下序就好了。
RPSA（要求：I001后跟E001，I002后跟E002. E001和E002一樣； 同理I001后跟S001.......）
I001gtgagttttcaaccacagagcaag
E001agtctccgaaATGGCAGCCG
I002gtacgcaggttgtctgttgtcgctgctcacag
E001agtctccgaaATGGCAGCCG
I001gtgagttttcaaccacagagcaag
S001GCCCTGGTAAacactccgtt
I002gtacgcaggttgtctgttgtcgctgctcacag
S001GCCCTGGTAAacactccgtt

RPS2  (每個基因的I00數(shù)都是從1開始）
I001ctgaatccccacattgaaattggccgc
E001gatagagacgATGGCAG
I001ctgaatccccacattgaaattggccgc
S001GGAGTACCAGgagagttttg

回復(fù) 8# jzp520520