求个perl程序，生物信息方面的！

aids260

回复 9# meihuaqi


    第六列是哈希的关键字吗？？

conn2011

1. #!/usr/bin/perl -w
   
2. use strict;
   
3. use Data::Dumper;
   
4. 
   
5. my %in;
   
6. open(IN, "file2path") || die "Cannot open file int.txt\n";
   
7. while(<IN>){
   
8.             chomp;
   
9.             my @line = split(' ',$_);
   
10.             $in{$line[1]}{'text'} = $line[3];
    
11.             push @{$in{$line[1]}{'value'}},$line[5];
    
12.         }
    
13. close IN;
    
14. 
    
15. my %info;
    
16. open(INFO,"file1path") || die "Cannot open file info.txt\n";
    
17. while(<INFO>){
    
18.             chomp;
    
19.             my @line = split(' ',$_);
    
20.             $info{$line[0]} = $line[2];
    
21.         }
    
22. close INFO;
    
23. 
    
24. foreach my $key (keys %in){
    
25.             my $sum = 0;
    
26.             foreach my $value (@{$in{$key}{'value'}}){
    
27.                         $sum += $value;
    
28.                     }
    
29.             $in{$key}{'avg'} = $sum/scalar(@{$in{$key}{'value'}});
    
30.             $in{$key}{'time'} = scalar(@{$in{$key}{'value'}});
    
31.             my $tot = $info{$key} ? $info{$key} : 0;
    
32.             my $margin = $tot - $in{$key}{'avg'};
    
33.             printf "+ %s\t%s\t%10s\t%10s\t%s\n",($key,$in{$key}{'text'},$in{$key}{'avg'},$margin,$in{$key}{'time'});
    
34.         }

复制代码

aids260

求perl 程序！

alabos

1. #!/usr/bin/perl
   
2. use strict;
   
3. use warnings;
   
4. 
   
5. 
   
6. my %total;
   
7. my %file_1;
   
8. 
   
9. while (<DATA>)
   
10. {
    
11.         my @row = split /\s+/;
    
12.         if ($row[0] =~ m/\+/)
    
13.         {
    
14.                 $total{$row[1]}{item}++;
    
15.                 $total{$row[1]}{total} += $row[5];
    
16.                 $total{$row[1]}{3} = $row[3];
    
17.         }
    
18.         elsif ($row[0] =~ m/^B/)
    
19.         {
    
20.                 $file_1{$row[1]}=$row[2];
    
21.         }
    
22. }
    
23. 
    
24. 
    
25. =head
    
26. 如果平均数要求取整，则在求 $avg 时使用 int 函数
    
27. =cut
    
28. 
    
29. foreach my $out (sort keys %total)
    
30. {
    
31.         my $avg = $total{$out}{total} / $total{$out}{item};
    
32.         my $poor;
    
33.         if (exists $file_1{$out} && $file_1{$out} > 0)
    
34.         {
    
35.                 $poor = $file_1{$out} - $avg;
    
36.         }
    
37.         else
    
38.         {
    
39.                 $poor = 0;
    
40.         }
    
41.         print "+\t$out\t$total{$out}{3}\t$avg\t$poor\t$total{$out}{item}\n";
    
42. }
    
43. 
    
44. 
    
45. 
    
46. __DATA__
    
47. +        BGIBMGA000062-TA         FWDP30_FL5_P09.seq        nscaf1071        1318628        1239395        1240559
    
48. +        BGIBMGA000062-TA         MFBP02_F_H18.seq        nscaf1071        1318628        1239668        1243526
    
49. +        BGIBMGA000064-TA         fdpeP10_F_J11.seq        nscaf1071        1318628        1313192        1316067
    
50. +        BGIBMGA000064-TA         MFBP04_F_N06.seq        nscaf1071        1318628        1313197        1316106
    
51. +        BGIBMGA000128-TA         FWDP26_FL5_O06.seq        nscaf1108        3459965        1275912        1278501
    
52. +        BGIBMGA000129-TA         FWDP02_FL5_F17.seq        nscaf1108        3459965        1283141        1319375
    
53. +        BGIBMGA000129-TA         FWDP02_FL5_O19.seq        nscaf1108        3459965        1282859        1319327
    
54. +        BGIBMGA000129-TA         FWDP10_FL5_A23.seq        nscaf1108        3459965        1283141        1319395
    
55. +        BGIBMGA000129-TA         FWDP31_FL5_I15.seq        nscaf1108        3459965        1283115        1319315
    
56. +        BGIBMGA000129-TA         MFBP15_F_I08.seq        nscaf1108        3459965        1283141        1319403
    
57. +        BGIBMGA000140-TA         FWDP04_FL5_M21.seq        nscaf1108        3459965        1773552        1776967
    
58. +        BGIBMGA000140-TA         FWDP25_FL5_J23.seq        nscaf1108        3459965        1785487        1791348
    
59. +        BGIBMGA000154-TA         FWDP03_FL5_B14.seq        nscaf1108        3459965        2355076        2357513
    
60. +        BGIBMGA000154-TA         fdpeP09_F_E13.seq        nscaf1108        3459965        2355077        2357478
    
61. +        BGIBMGA000155-TA         fdpeP13_F_N09.seq        nscaf1108        3459965        2429759        2436013
    
62. +        BGIBMGA000201-TA         MFBP02_F_D11.seq        nscaf1299        357319        349886        350726
    
63. +        BGIBMGA000202-TA         MFBP13_F_J17.seq        nscaf1375        11050        7946        8756
    
64. +        BGIBMGA000360-TA         fdpeP16_F_J16.seq        nscaf1681        5888100        45406        46743
    
65. +        BGIBMGA000360-TA         fdpeP07_F_A13.seq        nscaf1681        5888100        45375        46693
    
66. +        BGIBMGA000362-TA         fdpeP08_F_F04.seq        nscaf1681        5888100        90916        94336
    
67. BGIBMGA000058-TA           nscaf1071         1083932        1085028
    
68. BGIBMGA000059-TA           nscaf1071         1144201        1144993
    
69. BGIBMGA000060-TA           nscaf1071         1194454        1203962
    
70. BGIBMGA000061-TA           nscaf1071         1233907        1234573
    
71. BGIBMGA000062-TA           nscaf1071         1239819        1245122
    
72. BGIBMGA000063-TA           nscaf1071         1293757        1306270
    
73. BGIBMGA000064-TA           nscaf1071         1313232        1316001
    
74. BGIBMGA000065-TA           nscaf1087         2451        9117
    
75. BGIBMGA000066-TA           nscaf109         1549        4332
    
76. BGIBMGA000067-TA           nscaf1108         3401547        3415278
    
77. BGIBMGA000068-TA           nscaf1108         2724200        2728350
    
78. BGIBMGA000069-TA           nscaf1108         2546311        2574462
    
79. BGIBMGA000070-TA           nscaf1108         2533757        2534560
    
80. BGIBMGA000071-TA           nscaf1108         2527802        2528488
    
81. BGIBMGA000072-TA           nscaf1108         2442934        2452908
    
82. BGIBMGA000073-TA           nscaf1108         2382927        2390096
    
83. BGIBMGA000074-TA           nscaf1108         2370811        2374956
    
84. BGIBMGA000075-TA           nscaf1108         2350982        2353168
    
85. BGIBMGA000076-TA           nscaf1108         2305769        2312842
    
86. BGIBMGA000077-TA           nscaf1108         2238841        2239515
    
87. BGIBMGA000078-TA           nscaf1108         2207199        2212812
    
88. BGIBMGA000079-TA           nscaf1108         2140463        2140972
    
89. 
    

复制代码

第一次回答有分数的问题， 不知道是不是我拿分呢？

yinyuemi

回复 1# aids260


    try:

1. perl -lane 'if(/^\+/){$a{$F[1]}+=$F[5];$b{$F[1]}+=1}if(/^BGIB/){$c{$F[0]}=$F[2];$d{$F[0]}=$F[1]}END{for(keys %a){$x=$a{$_}/$b{$_};$y=$c{$_}-$x;if($d{$_}){print "$_, $d{$_}, $x, $y, $b{$_}"}}} ' f1 f2
   
2. BGIBMGA000062-TA, nscaf1071, 1239531.5, 287.5, 2
   
3. BGIBMGA000064-TA, nscaf1071, 1313194.5, 37.5, 2
   

复制代码

aids260

跪求，求生物信息perl高手！

aef25u

注：one.txt的数据为楼主贴出的第一份数据。
注意：使用本代码时，请做好two.txt数据的备份，因本代码会往two.txt覆盖写入新数据。

1. use Tie::File;
   
2. use Fcntl 'O_RDONLY';
   
3. 
   
4. #one.txt read-only :mode => O_RDONLY
   
5. tie @arrOne, 'Tie::File', 'one.txt' ,autochomp => 1,mode => O_RDONLY or die "Problem tying @array: $!";
   
6. tie @arrTwo, 'Tie::File', 'two.txt' ,autochomp => 1  or die "Problem tying @array: $!";
   
7. 
   
8. my %One_3col,my %One_2col;
   
9. foreach my $strOne (@arrOne){
   
10. my @oneArr=split("[ \t]+",$strOne);
    
11. $One_2col{$oneArr[0]}=$oneArr[1];
    
12. $One_3col{$oneArr[0]}=$oneArr[2];
    
13. }
    
14. 
    
15. my %hashSum,%hashNum,%hashAvg;
    
16. foreach my $strTwo (@arrTwo){
    
17. my @twoArr=split("[ \t]+",$strTwo);
    
18. $hashSum{$twoArr[1]}+=$twoArr[5];
    
19. $hashNum{$twoArr[1]}++;
    
20. $hashAvg{$twoArr[1]}=int($hashSum{$twoArr[1]}/$hashNum{$twoArr[1]});
    
21. }
    
22. 
    
23. 
    
24. my %hasResult,$subNum;
    
25. foreach my $key (keys %hashAvg){
    
26. if (exists $One_3col{$key}){
    
27. $subNum=$One_3col{$key}-$hashAvg{$key};
    
28. }
    
29. $hasResult{$key}="+       $key       $One_2col{$key}       $hashAvg{$key}       $subNum       $hashNum{$key}";
    
30. }
    
31. 
    
32. @arrTwo=();
    
33. my $i=0;
    
34. for my $key (keys %hasResult){
    
35. $arrTwo[$i]=$hasResult{$key};
    
36. $i++;
    
37. }
    
38. 
    
39. untie @arrOne;
    
40. untie @arrTwo;

复制代码

dgtnk

到底是看第一个文件中的基因名出现次数还是第二个文件中的？？？
回复 1# aids260

aef25u

回复 17# dgtnk

很明显是两文件中同时存在的基因名在第二个文件中出现的次数，第一个文件的基因名是唯一的。楼主问题描述不清。
看楼主的需求确实很伤脑细胞....

到我blob来看吧，我发了博文，重新整理了下楼主需求的描述
http://blog.chinaunix.net/space. ... =blog&id=191423

aids260

回复 16# aef25u


    哥们，程序我用了下后，我file2都清零了！   还有，file2的不能以第6列的值为关键字，第二列位置定义哈希，以为第六列的值有相等的。你能再调试下程序吗？？

1. +        BGIBMGA000648-TA         MFBP22_F_C21.seq        nscaf1690        7983491        2927332        2942206
   
2. +        BGIBMGA000648-TA         MFBP22_F_M19.seq        nscaf1690        7983491        2927328        2942181
   
3. +        BGIBMGA000648-TA         MFBP22_F_O19.seq        nscaf1690        7983491        2927328        2942149
   
4. +        BGIBMGA000648-TA         MFBP21_F_E08.seq        nscaf1690        7983491        2927328        2942222
   
5. +        BGIBMGA000648-TA         MFBP21_F_F16.seq        nscaf1690        7983491        2927328        2942207
   
6. +        BGIBMGA000648-TA         MFBP23_F_M16.seq        nscaf1690        7983491        2927328        2942190
   
7. +        BGIBMGA000648-TA         MFBP26_F_G19.seq        nscaf1690        7983491        2927328        2942178
   

复制代码