求助依多條件整理序列

tempo8

各位戰(zhàn)友好!上百條序列，以6種讀嗎方式翻譯（如圖的上半部分），要作篩選確定其中的一種方式，并分揀出序列，存儲！

篩選標(biāo)準(zhǔn)：
0. >這一行為ID，全行保留；1. 含WRKY字符; 2. *后面的M保留（序列起始）；WRKY后面的*保留（終止點(diǎn)）
數(shù)據(jù)與效果：（只作了其中的一條）
原始數(shù)據(jù)（上百條序列*6）見圖的左半部分，
最終結(jié)果如右半部分！

思路：
chomp嗎？

~/(>.{36})\*.+(M.+WRKY.+\*)/
取$1即為ID這一行，（TCONS_00007474_1 gene=LOC_Os01g09100長度36）
再取$2即為序列M.+WRKY.+\*
print $1\n$2

chenhao392

1.  每次讀一個(gè)seq （seq merge到一行）。
2.  每一個(gè)seq都split by ＊, 變成array
3.  這個(gè)array的元素 match /M.*?WRKY/ 的話，print.

tempo8

1. $name=<STDIN>;
   
2. chomp($name);
   
3. 
   
4. open (IN, "$name")|| die ("Could not open file");
   
5. open (OUT,">out1$name.txt")|| die ("Could not open file");
   
6. $f=<IN>;
   
7. chomp($f);
   
8. print OUT $f;
   
9. while(<IN>)
   
10. {chomp;
    
11. my($line) = $_;
    
12. if ($line=~/(>.{36}).+\*.+(M.+WRKY.+?\*)/) {#~/(>.{36}).+(M.+WRKY.+?\*)/
    
13.        $line=join ("\n",$1,$2);            
    
14.   }
    
15. print OUT $line,"\n";
    
16. }
    
17. close (IN);
    
18. close (OUT);

復(fù)制代碼

>TCONS_00010413_1 gene=LOC_Os01g47560RF*RGETYRSIAS*LVIWYGLDGCRSAAKGGKAGKGEKRARQPRFAFMTKSEVDHLEDGYRWRKYGQKAVKNSPYPRSYYRCTTQKCPVKKRVERSYQDPAVVITTYEGKHTHPIPATLRGSTHLLAAHAQAAAAAAAAHQLHHHHGHHGHHGMAPPLPLGSGAAAQFGRSSGIDVLSSFLPRAAAAHHGMTTMGGAAATTTTSHGLNSAISGGGGVSSETTSAVTVAASAQPSSPAALQMQHFMAQDLGLLQDMLLPSFIHGTNQP*RDDHHQSEAELIIRLARQEVIWLSIDHAV*LINISLHLFPPK*SPS

tempo8

請大俠們斧正！還是有些小問題：

圖左是上述代碼整理的！
圖右半部分是Notepad搜索的！
為何他們整理的結(jié)果不一樣呢?見橢圓部分！

實(shí)際上：我是想取星號*后第一個(gè)M開始的，即(M.+WRKY.+\*)這一部分！）

tempo8

舉一反三又出問題了

實(shí)際上最終目的是取星號*后第一個(gè)M開始，含[FYW].M.[DE][FYW]這一保守基序，以*終止的序列
可是下面代碼中的RegExp貌似有問題

:wink: 序列如下
>TCONS_00008129Os01g15640_2
FDR*VSFLGI*LCKLLMIFHITAKCDVPTQDNKWHFFAARDRKYPNGSRSNRATVAGY
WKSTGKDRAIKMGKQTIGTKKTLVFHEGRPPTGRRTEWIMHEYYIDERECQACPDMKDAY
VLCRITKRNDWIPGNGNELDNSDPHPEPYDAPPSVISTEQLNPAAEPVVGVEAAPVTVAE
PDGVTTSAITANIPSPSDDINLDDWLNELFDPFFDPEQSLASADLSPDEQNVESSNVGAL
APKVEQDYSSPNENVVDDTEYLLPEDVYNILHPGTDDFNMLQNPLDQYPIQYATDVWSGI
QKEELWSPQANAEPSQSNEAADNGIIRRYRSMKTPETSVPQFKGKTQAKMRVGINKMATS
SSESINQTIKFENSGRLVEHQKNQAHDVASTKRSDAGKPSTELSSNRGFLRGIRNAFAGC
SDARWNMILVAGFAIGVAVVALHIGQRLGLSQRDQQHT*PLGLQVTGFLCFLQSGET*TN

tempo8

M[^*]+?W[^*]M[^*][DE][FYW][^*]+?\*在Notepad中查找好了！
可是寫進(jìn)perl又不行了！請戰(zhàn)友們幫忙診斷！謝謝

1. print "請輸入文件全名\n";
   
2. $name=<STDIN>;
   
3. chomp($name);
   
4. 
   
5. open (IN, "$name")|| die ("Could not open file");
   
6. open (OUT,">out1$name.txt")|| die ("Could not open file");
   
7. $f=<IN>;
   
8. chomp($f);
   
9. print OUT $f;
   
10. while(<IN>)
    
11. {chomp;
    
12. my($line) = $_;
    
13. if ($line=~/(>.{26}).+\*.+(M[^*]+?W[^*]M[^*][DE][FYW][^*]+?\*)/){
    
14.        $line=join ("\n",$1,$2);            
    
15.   }
    
16. print OUT $line,"\n";
    
17. }
    
18. close (IN);
    
19. close (OUT);

復(fù)制代碼

chenhao392

1. 輸入數(shù)據(jù)奇怪，4樓左圖gene＝LOC.. 在ID行，右側(cè)在序列行開始部分。
2. 沒有一行的數(shù)據(jù)滿足> 開始，并含有序列的，所以Perl的代碼應(yīng)該啥都match不上啊？
3. line 5-8, 你把<IN> 的第一行拿出來，chomp了放進(jìn) <OUT>, 這是干嘛？
4.  while loop 里，不匹配的line也會打印給OUT，這是你想要的？

tempo8

回復(fù) 7# chenhao392 謝謝提醒！

1. 輸入數(shù)據(jù)奇怪，4樓左圖gene＝LOC.. 在ID行，右側(cè)在序列行開始部分。
答：不好意思！右側(cè)是chomp過的(即line 5-8, 你把<IN> 的第一行拿出來，chomp了放進(jìn) <OUT>!
2. 沒有一行的數(shù)據(jù)滿足> 開始，并含有序列的，所以Perl的代碼應(yīng)該啥都match不上��？
答：Perl代碼重新整理了！
3. line 5-8, 你把<IN> 的第一行拿出來，chomp了放進(jìn) <OUT>, 這是干嘛？
答：目的是刪除換行符，再搜模式
4.  while loop 里，不匹配的line也會打印給OUT，這是你想要的？
答: 要的結(jié)果是圖左上半部分的fasta格式的序列！

附上能用多條件整理序列的代碼)請斧正！謝謝

1. {local $/=">";
   
2. while (<DATA>){
   
3.         if($_=~m/(.{26}).+?\*.+?(M[^*]+W[^*]M[^*][DE][FYW][^*]+?\*)/s){
   
4.        my $f=join ("\n",">".$1,$2);
   
5.           print $f,"\n";
   
6.         }
   
7.                         }
   
8. }
   
9. __DATA__
   
10. >TCONS_00008129Os01g15640_2
    
11. FDR*VSFFYFLASFVCMPLGI*LCKLLMIFHITAKCDVPTQDNKWHFFAARDRKYPNGSRSNRATVAGY
    
12. WKSTGKDRAIKMGKQTIGTKKTLVFHEGRPPTGRRTEWIMHEYYIDERECQACPDMKDAY
    
13. VLCRITKRNDWIPGNGNELDNSDPHPEPYDAPPSVISTEQLNPAAEPVVGVEAAPVTVAE
    
14. PDGVTTSAITANIPSPSDDINLDDWLNELFDPFFDPEQSLASADLSPDEQNVESSNVGAL
    
15. APKVEQDYSSPNENVVDDTEYLLPEDVYNILHPGTDDFNMLQNPLDQYPIQYATDVWSGI
    
16. QKEELWSPQANAEPSQSNEAADNGIIRRYRSMKTPETSVPQFKGKTQAKMRVGINKMATS
    
17. SSESINQTIKFENSGRLVEHQKNQAHDVASTKRSDAGKPSTELSSNRGFLRGIRNAFAGC
    
18. SDARWNMILVAGFAIGVAVVALHIGQRLGLSQRDQQHT*PLGLQVTGFLCFLQSGET*TN
    
19. >TCONS_00008129Os01g15640_3
    
20. QILGGFETRVMGIGCDPVEIRVDRSVGWLCEEMVFLK*FGIWGIRIAALPSVLQ*DDKSV
    
21. NSRLFFLFPF*LAYNRISPHFSGGLM*NLELLPYSY*SF*NFLPCLL*T*NCQ*LERRKH

復(fù)制代碼