据说会python的人一般精通perl

huang6894

额，不好意思啊~我一学长给了我一个程序，可我一点都不懂python，只能大概明白它的意思，如果有大神愿意感兴趣的话，能不能试着把下面的这个python程序改成兼容性更好的perl呢，坐等大神出现！！！
p.s:也在perl区提出了，求关注~
下面是代码：

1. #usage: python cds_abs.py input_file output_file
   
2. 
   
3. # the input file contains 2 columns
   
4. #eg;
   
5. #NM_000497.0     c.595+16G>T
   
6. #
   
7. import re
   
8. import sys
   
9. def usage():
   
10.         print '''
    
11.         python cds_abs.py input_file output_file
    
12.         '''
    
13. if len(sys.argv)!=3:
    
14.         sys.exit(usage())
    
15. import gzip
    
16. fin=sys.argv[1]
    
17. fout=sys.argv[2]
    
18. f=open(fin,'r')
    
19. o=open(fout,'w')
    
20. ######
    
21. def position(nm,ps):
    
22.         global ore
    
23.         cds=gzip.open(‘hg19.dbref.gz')
    
24. #       cds=open('hg19.dbref.sort')
    
25.         ps = int(ps)
    
26.         while 1:
    
27.                 line=cds.readline()
    
28.                 if not line:
    
29.                         break
    
30.                 nm1=re.search("NM_(\d+)",line.split('\t')[0])
    
31.                 if not nm1:
    
32.                         continue
    
33.                 else:
    
34.                         flag=line.split('\t')[2]
    
35.                         global chr
    
36.                         chr = line.split('\t')[1]
    
37.                 nm1=nm1.group(1)
    
38.                 if nm==nm1:
    
39.                         while 1:
    
40.                                 pos=cds.readline()
    
41.                                 if not re.match("^C\d+",pos):
    
42.                                         continue
    
43.                                 else:
    
44.                                         cdspos=pos.split('\t')[1:3]
    
45.                                         if flag == '+':
    
46.                                                 ore = '+'
    
47.                                                 for num in range(int(cdspos[0]),int(cdspos[1])+1):
    
48.                                                         ps-=1
    
49.                                                         if ps==0:
    
50.                                                                 return (num,flag)
    
51.                                         else:
    
52.                                                 ore = '-'
    
53.                                                 for num in range(int(cdspos[1]),int(cdspos[0])-1,-1):
    
54.                                                         ps-=1
    
55.                                                         if ps==0:
    
56.                                                                 return (num,flag)
    
57.         cds.close()
    
58. #########
    
59. def result(nm,ps):
    
60.         fu = re.search("^-(\d+)",ps)
    
61.         if fu:
    
62. #               print fu.group(1)
    
63.                 (res,flag)=position(nm,'1')
    
64.                 if ore == '+':
    
65.                         return (res-int(fu.group(1)))
    
66.                 else:
    
67.                         return (res+int(fu.group(1)))
    
68.         he=re.search("(\d+)\-(\d+)",ps)
    
69.         if he:
    
70.                 (res,flag)=position(nm,he.group(1))
    
71.                 if flag == '+':
    
72.                         return (res-int(he.group(2)))
    
73.                 else:
    
74.                         return (res+int(he.group(2)))
    
75.         else:
    
76.                 hehe=re.search("(\d+)\+(\d+)",ps)
    
77.                 if hehe:
    
78.                         (res,flag)=position(nm,hehe.group(1))
    
79.                         if flag == '+':
    
80.                                 return res+int(hehe.group(2)),
    
81.                         else:
    
82.                                 return res-int(hehe.group(2))
    
83.                 else:
    
84.                         (res,flag)=position(nm,ps)
    
85.                         return res
    
86. #res=position("000015",20)
    
87. #print res
    
88. ####
    
89. #res=result("014020","205")
    
90. #print res
    
91. ###
    
92. 
    
93. ########### for the finding of mutation in 3'UTR
    
94. def utr3(nm, ps):
    
95.         global ore
    
96.         ps=int(ps)
    
97.         cds=gzip.open('hg19.dbref.gz')
    
98.         while 1:
    
99.                 line=cds.readline()
    
100.                 if not line:
     
101.                         break
     
102.                 nm1=re.search("NM_(\d+)",line.split('\t')[0])
     
103.                 if not nm1:
     
104.                         continue
     
105.                 nm1 = nm1.group(1)
     
106.                 if nm==nm1:
     
107.                         global chr
     
108.                         chr = line.split('\t')[1]
     
109.                         flag = line.split('\t')[2]
     
110.                         ut1 = line.split('\t')[5]
     
111.                         ut2 = line.split('\t')[6]
     
112.                         while 1:
     
113.                                 pos = cds.readline()
     
114.                                 if not re.match("^3U\d+",pos):
     
115.                                         continue
     
116.                                 utrpos = pos.split('\t')[1:3]
     
117.                                 if flag == '+':
     
118.                                         ore = '+'
     
119.                                         for num in range(int(utrpos[0]),int(utrpos[1])+1):
     
120.                                                 ps -= 1
     
121.                                                 if ps == 0:
     
122.                                                         return num
     
123.                                 else:
     
124.                                         ore = '-'
     
125.                                         for num in range(int(utrpos[1]), int(utrpos[0])-1,-1):
     
126.                                                 ps -= 1
     
127.                                                 if ps == 0:
     
128.                                                         return num
     
129. 
     
130. 
     
131. for line in f.readlines():
     
132.         word=line.split('\t')[0:2]
     
133.         nm=re.search("NM_(\d+)",word[0])
     
134.         if nm:
     
135.                 nm=nm.group(1)
     
136.         else:
     
137.                 o.write("-\t-\t-\t-\t-\n")
     
138.                 continue
     
139.         mut=re.search("c\.([0-9|\-|\+]+)_([0-9|\-|\+]+)",word[1])
     
140.         if mut:
     
141.                 res=str(result(nm,mut.group(1)))
     
142.                 res+='..'+str(result(nm,mut.group(2)))
     
143.         else:
     
144.                 mut=re.search("c\.([0-9|\-|\+]+)",word[1])
     
145.                 if mut:
     
146.                         res=result(nm,mut.group(1))
     
147.                 else:
     
148.                         mut=re.search("c\.(\d+)",word[1])
     
149.                         if mut:
     
150.                                 res=positon(nm,mut.group(1))
     
151.                         else:
     
152.                                 ##### c.*111A>G : the 3'UTR region
     
153.                                 utr = re.search("c\.\*(\d+)",word[1])
     
154.                                 if utr:
     
155.                                         res = utr3(nm, utr.group(1))
     
156.                                 else:
     
157.                                         res="ERR"
     
158.         o.write(chr+"\t"+str(res)+'\t'+ore+"\t"+line)
     
159. #               delpos=re.search("(\d+)_(\d+)",word[1])
     
160. #               delpos=delpos.group(1)
     
161. #               a=delpos.group(1)
     
162. #               b=delpos.group(2)
     
163. #               res=position(nm,a)
     
164. #               res+=position(nm,b)
     
165. #       print res
     

复制代码

据说这个程序的逻辑是比较差的，遇到错误不能跳过，效率上也不怎么好。不过实现起来非常好用~
大神们，来吧来吧，嘻嘻，谢谢

remyzane

> 据说会python的人一般精通perl

楼主这句式风骚啊！我也来一个：

据说会炒菜的人一般精通洗碗

ssfjhh

楼主感情这是拿坛友当免费劳动力使呀。

huang6894

回复 3# ssfjhh


    对不起

play9091

貼一個這麼長的東西出來，太傷神了……

1. 沒說明這東西是做什麼用的
2. 你已經找出一些間鍵的話大家也好幫忙

直接把全部貼出來真的是幫不上忙啊！

huang6894

回复 5# play9091


    其实我也不知道可以做什么的，据说是在一个大文件中匹配对应的位置得到坐标。对不起各位捧场的亲了，sorry

substr函数

人一般精通perl ,据说会python
人一般精通python ,据说也不知道会perl

huang6894

回复 7# substr函数


    噢？呵呵，是吗

jun413947139

好丑陋的代码..............顿时无趣，不想写了

huang6894

回复 9# jun413947139


   大神，我作为一个菜鸟，不应受到这样的打击的。。。