Chinaunix

标题: 怎样去掉不满足条件的块 [打印本页]

作者: 小猪Gina 时间: 2013-02-20 16:58
标题: 怎样去掉不满足条件的块
正常的fq文件有四行：

1.以@开头；
2.碱基ATCG（随意排列）序列；
3.+号
4.质量值，要求长度与第2行相等，由字母，括号，下划线等组成。

现在有n多行，发现行数不是4的倍数。
也就是说可能有某些行漏掉了。

怎样将这些缺失行的块从这个文件中删掉？

比如：
@A
ATCG
+
aaaa
@B
ATCG
+
aaaa
ATCG
+
aaaa
@c
ATCG
+
aaaa
输出：
@A
ATCG
+
aaaa
@B
ATCG
+
aaaa
@c
ATCG
+
aaaa
求帮助~
谢谢~

作者: 小猪Gina 时间: 2013-02-20 18:04
已解决，明天上班把程序贴出来

作者: Perlvim 时间: 2013-02-20 20:50
想学点生物学方面DNA数据结构方面的东西，不知道该看什么资料

作者: 小猪Gina 时间: 2013-02-21 08:49
回复 3# Perlvim

我是学统计的。。。生物方面不是特别懂。我只是用程序处理一些文件。真是很抱歉，帮不到你。

作者: 小猪Gina 时间: 2013-02-21 08:54
贴出程序：
$/="\@";
while (<IN>) {
chomp;
if (/(HWUSI.*\n)([ATCG]+\n)(\+\n)(.*\n)/) {
if (length($2)==length($4)) {
print "\@$1$2$3$4";
}
}
}
$/="\n";

作者: rubyish 时间: 2013-02-21 08:57
keyima?

#!/usr/bin/perl
use 5.016;
my $data = do { local $/; <DATA>} ;
say map /^@.*?^[ATGC].*?\+\n.*?\n/msg, $data;
__DATA__
@A
ATCG
+
aaaa
@B
ATCG
+
aaaa
ATCG
+
aaaa
@c
ATCG
+
aaaa

复制代码

作者: 小猪Gina 时间: 2013-02-21 09:11
回复 6# rubyish

运行了一下，没有达到要求，您的程序打印出了
@A
ATCG
+
aaaa
@B
ATCG
+
aaaa
而去掉的那个块之后的
@c
ATCG
+
aaaa
没有print出来。谢谢~

作者: rubyish 时间: 2013-02-21 09:20
我总出现稀奇古怪的问题，郁闷。。。
没有print出来。谢谢~

作者: 小猪Gina 时间: 2013-02-21 09:50
回复 8# rubyish

呵呵，大家互相学习，不断进步~会越来越好的~

作者: rubyish 时间: 2013-02-21 09:58

小猪Gina 发表于 2013-02-21 05:50
回复 8# rubyish

谢谢~3Q~~{:3_188:}

作者: 小猪Gina 时间: 2013-02-21 10:23
实际运行中，我贴出的那个程序有一个致命的bug，就是质量值中也会出现“@”，所以，得改。。。

作者: mcshell 时间: 2013-02-21 15:10
回复 9# 小猪Gina

my ($data,$x,$m)=do{local $/;<DATA>};
map{/(^\@\w+\s+([ATGC]+)\s+\+\s+(?{$m=length($2);$x = qr{\w{$m}}})(??{$x})$)(?{print "$1\n"})/smg}$data;
__DATA__
@A
ATCG
+
aaaa
@B
ATCG
+
aaaa
ATCG
+
aaaa
@c
ATCG
+
aaaab

复制代码

最后一个@c 我加了一个b 不会匹配到。长度不够。

作者: jingwu110 时间: 2013-02-21 16:37
回复 3# Perlvim
DNA数据结构？在具体点

作者: 小猪Gina 时间: 2013-02-22 11:55
回复 12# mcshell

嗯嗯~谢谢~

作者: 小猪Gina 时间: 2013-02-25 14:27
回复 13# jingwu110

DNA的数据结构？我不知道您想知道什么。它有好几种不同的文件类型。比如.fq文件，比如.gff3文件。不同的文件类型它的结构也不一样。。嗯，我通常是碰到一个自己不认识的文件格式就会上网去搜一下。也木有做过总结。不过您要是拿具体的文件格式来问我，也许我可以帮您回答。。。

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)