求救用PERL大规模分析蛋白质酶切得肽段及肽段质量

chentg

现在有软件可分析蛋白质得到肽段及它的质量，但都是一条序列一条序列地分析，如何实现一次分析好多序列？？？？我编了一个，但总是不行。这是假定以T和W为切点编的
#!/usr/bin/perl -w
#use p156,p71,p175
open (AAA, "allgenenumpro2"||die ("could not open allgenenumpro2 \n";
@text =<AAA>;;
$length = @text;
for ($a=0;$a<($length);$a++)
{
$result =$text[$a];
#P189
if ($result=~/T|W/g)
{
$firstword=$1;
$secondword=$2;
$thirdword=$3;
open (STDOUT, ">;>;output.txt"||die("could not open output.txt \n";
Print "$firstword $secondword          $thirdword \n";
print
}
}

apile

if ($result=~/T|W/g)
{
$firstword=$1;
$secondword=$2;
$thirdword=$3;
open (STDOUT, ">;>;output.txt"||die("could not open output.txt \n";
Print "$firstword $secondword $thirdword \n";
print
}

這段regular expression會有問題.
它會從program的第一個第二個第三個argument
$1,$2,$3放 入$firstword,$secondword,$thirdword
中而非你所想像的..
給一個file中的例子來看看..幾行就好....
比較好幫你...

chentg

非常感谢您，谢谢你对我的帮助。
如一个文件题目为try，它里面包括序列号DT.XXXX，然后为序列，有三个：
DT.111614  KSTSGAKAAHVSKSCKDVAKVHAKKVTSDNHKNAAANDVTSTGDSYYDKGRKVNMCWYTSANSTRGASVVKGNNVTKSASYRTGVKDWTARHSK  
DT.75196504                MVSMRSDGNYSMVSHTDYVHVKRNNKYNN                                              DT.75124407      
MSKKHKCKHKKSVVMNC
举例第三个序列：如有两个切点如H和S，则应该得到肽段为：MS，KKH，KCKH，KKS，VVMNC这五个片段

菜鸟再次感谢您!

apile

手邊沒有perl環境...
不過可以給你一點hint....
你這個問題如果要用regular expression..
有相當的難度...如果你不是很要求速度的話...
可以用substr一個char一個char抓出來看...
然後存到一個array (例如@abc)中...
看到H或S的時候就把前面這個array..
變成一個string..利用$str = join("",@abc);
存到另一個array中...例如push(@array,$str);..
然後將@abc = ();
然後再開始新的array......
這一行全部讀完後(碰到null或\n)...
你就可以知道目前這串字可以分成幾段...

當然上面這段logic如果用C寫速度會快很多....

如果要用regular expression的話...我學藝不精..
沒法幫你...
PS:
我記得perl裡面有個$'與$`或許可用....一個是match到的前面string..
一個是match到的後面string...再缺一個match到的位置(忘了那個符號)
配合substr..理論上就可以做到...

apile

還有另一種解法
## [H|S]對H或S進行split....
@data = split(/[H|S]/,$line);
## 用null進行split
@data1 = split(//,$line);
$sum = 0;
for (@data) {
   $len = length($_);
   ## 取得正確的index位置....
   $sum =$sum+$len+1;
   $_ .=$data1[$sum];
}

最後@data就是你要的...沒試驗過..
不過應該是這樣才對....
Try It..

apile

#!/usr/bin/perl
$line = "MSKKHKCKHKKSSVVMNCSSS";
## 算line的長度，避免SSS字串出現在最後
$len1 = length($line);
# 用H或S切割$line
@data = split(/[H|S]/,$line);
## 用null進行split
@data1 = split(//,$line);
$sum = 0;

for (@data) {

$len = length($_);

# 取得正確的index位置....
$sum +=($len);
# 避免最後一筆有問題..
print "$sum\n";
  if($sum <@data1){
    $_ .=$data1[$sum];
  }
# 把加上去的char也列入考慮
  $sum++;
}
##處理SSS出現在最後面的情形
if($sum <$len1){
for($i=0;$i<$len1-$sum;$i++){
    $dat = pop(@data1);
    push(@data,$dat);
}
}


^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
debug 後的code...
應該就是你要的...

游民无业

另一种解法
undef $/;
$text = <FILE>;;
my %hash;
my $last_segment;
while ($text =~ /DT.\d+/g){
        $text = $';   #save for next match
        my $temp = $&amp;;            #will be the next serial number
        $last_segment = $';    #Only useful for last time
        my $data = $`;
        $data =~ s/\s*//g;  #remove white space
        $hash{$num} = $data if($data);
        $num = $temp;
}
$last_segment =~ s/\s*//g;
$hash{$num} = $last_segment; #the last one
##Uncomment next only if you want to double check
#foreach my $key (keys(%hash)){
#        print "Serialkey,Segmenthash{$key}\n";
#}

游民无业

抱歉，俺把关键部分漏了。请把
##Uncomment next only if you want to double check
以下部分替换成：（

foreach my $key (keys(%hash)){
#print "Serialkey,Segmenthash{$key}\n";
my $d = $hash{$key};
$hash{$key}  = analyze($d);
}

sub analyze{
        my $data = shift;
        my @a;
        while ( $data =~ /[H,S]{1}/){
                #print $`.$&amp;,"\n";
                push @a,$`.$&amp;;
                $data =$';
        }
        #print $data if $data;
        push @a,$data if $data;
        return \@a;
}

其结果以最长的为例（切点H,S）：
'DT.111614';
'KS', 'TS', 'GAKAAH', 'VS', 'KS', 'CKDVAKVH', 'AKKVTS', 'DNH', 'KNAAANDVTS', 'TGDS', 'YYDKGRKVNMCWYTS', 'ANS', 'TRGAS', 'VVKGNNVTKS', 'AS', 'YRTGVKDWTARH', 'S', 'K'     ];