请教～去除首末字符 thanks~

紫贝壳

126-275  (1202571-1202720)   98% ->;
276-356  (1203675-1203755)   100% ->;
357-438  (1203984-1204065)   95%

     126   CGGACAACAGCGGACTCCGAGACCAGTGGATCTCGGCAAACC
               ||  |||||||||||||||||||||| |||||||||||||||||||||||
1202571CGCCCAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACC   
   ...................... .....................................................
    408    CGGCAGGTGTTGGGGGCGCAGAGGCGGCGAG
               |||||||||||||||| ||  |||| |||||
1204035CGGCAGGTGTTGGGGGAGCGCAGGCAGCGAG

在类似的这个序列中我怎么把开头和结尾上下没有匹配上的字符去掉？
其中中间的“||||"表示上下对的上，中间的空格表示没有对上。
谢谢啦～

apile

不懂你的描述...
麻煩在詳細點說明..

紫贝壳

对不起奥～
就是说，在上面的这个序列中，
用下行的字符代替上面的字符，但要把开头没有对齐的CGC去掉，同时也要把末尾的AGCGCAGGCAGCGAG这些没有连续对齐的去掉。
最后的结果应该是：CCAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACCCGGCAGGTGTTGGGGG

apile

我不是搞生物化學的..
所以實在有點難以理解你的說法...
CGGACAACAGCGGACTCCGAGACCAGTGGATCTCGGCAAACC
CGCCCAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACC
你是不是要向上面這兩行一樣...
把不一樣的char拿掉..剩下
CGCAACAGCGGACTTCCGAGACCAGGGATCTCGGCAAACC

紫贝壳

谢谢apile奥^_^

可能是我表达的有问题吧～

你理解的稍微有点偏差。（中间的没有对齐的不用处理，只处理开始和结尾就可以D）
eg:
CGGACAACAGCGGACTCCGAGACCAGTGGATCTCGGCAAACCTGA
CGCCCAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACCGAT
最后想得到的结果为：（去掉头CGCC和尾GAT就可，中间的不处理）
            CAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACC

apile

懂了.....我想一下...這不會很難...

紫贝壳

刚刚我得机子给断电了～

apile

我不懂生化方面的東西...
你可以試試看...基本上連續相同四個，程式才會認為起始點與終止點有效，
不然你沒辦法知道開頭到底幾個不要....
你可以改$limit的數字成你要的數字..就好了...

剛剛我又作了點修正,把counter歸0

1. 
   
2. #!/usr/bin/perl
   
3. $a="CGGACAACAGCGGACTCCGAGACCAGTGGATCTCGGCAAACCTGA";
   
4. $b="CGCCCAACAGCGGACTCCGAGACCAGCGGATCTCGGCAAACCGAT";
   
5. #$a="CGGCAGGTGTTGGGGGCGCAGAGGCGGCGAG";
   
6. #$b="CGGCAGGTGTTGGGGGAGCGCAGGCAGCGAG";
   
7. #---設定至少匹配幾個後，才認為是前面或後面相同的字符
   
8. $limit = 4;
   
9. #---設定起始點
   
10. $start_flag = 99999999;
    
11. #---設定終止點
    
12. $end_flag   = 99999999;
    
13. #--找出起始點，連續匹配$limit個才認為起始點有效
    
14. for($i=0;$i<length($a);$i++){
    
15.    $c=substr($a,$i,1);
    
16.    $d=substr($b,$i,1);
    
17.    if($c eq $d){
    
18.       $counter++;
    
19.       if($start_flag == 99999999){
    
20.         $start_flag=$i;
    
21.       }
    
22.    } else { $counter=0;$start_flag =99999999;}
    
23. 
    
24.    last if($counter ==$limit);
    
25. }
    
26. print "Start INDEX :$start_flag\n";
    
27. print "-----------------------\n";
    
28. $counter =0;
    
29. 
    
30. #--找出終止點，連續匹配$limit個才認為終止點有效
    
31. for($i=length($a)-1;$i>;=0;$i--){
    
32.    $c=substr($a,$i,1);
    
33.    $d=substr($b,$i,1);
    
34.    if($c eq $d){
    
35.       $counter++;
    
36.       if($end_flag == 99999999){
    
37.         $end_flag=$i;
    
38.       }
    
39.    } else { $counter=0;$end_flag =99999999;}
    
40. 
    
41.    if($counter ==$limit){
    
42.       last;
    
43.    }
    
44. }
    
45. print "END INDEX :$end_flag\n";
    
46. 
    
47. $result = substr($b,$start_flag,($end_flag-$start_flag)+1);
    
48. print "$a\n";
    
49. print "$b\n";
    
50. print "$result\n";
    

复制代码

紫贝壳

嗯，我理解你的意思了～
thanks ~
我现在考虑能否通过判断"|||"来确定开头和结尾去除几个字符就可以啦～
（序列很长，有好多行的）