想批量对文本指定位置替换

huang6894

======楼猪也是生物工程的========

大神们好：
我想对一个文本的数据（文本二）按照文本一的规则进行批量更新，文本一有五列，第二列是相对于第一列（设定为$a)的起始坐标，第三列则是终止坐标，第四列是要替换的字符，第五列是替换后的字符，针对的是文本二（文本二以>为段落分隔符，每段中第一行是描述，第二行是要处理的对应的字符串）中描述部分以‘>$a：’开始的对应的字符串。。。
-----------------------------------------
这样的，文本二中：>chr1:2336191-2337323表示下一行的【TCGA...】是chr1这个key2336191至2337323位，我如果想批量定位替换这样好实现吗？
比如：文本一是：chr1    2337223        2337224        A       G 就把>chr1:2336191-2337323下面的value字符串第（2337223-2336191+1）位由A变G。。。
如果是：chr1    2338106        2338108        TT       G就跳过>chr1:2336191-2337323部分处理>chr1:2337873-2338108下面的value字符串第（2338106-2336191+1）位到第（2338107-2336191+1）位的TT变成G
如果是：chr1    2338109        2338110        GT       G就跳过不对文本处理，因为找不到chr1符合2338109        2338110  范围的。。。
如果是：chr1    2338106        2338110        TTGT       G就跳过>chr1:2336191-2337323部分处理>chr1:2337873-2338108下面的value字符串第（2338106-2336191+1）位到第（2338108-2336191+1）位的TTG变成G（因为这里chr1最大值是2338108）
------------------------------------------

sample：
文本一：

1. chr1    2       3       N       A
   
2. chr1    4       7       NNN     T（注意这里，如果4-7分配到两个区域，改变发生区域以其实坐标“4”为准）
   
3. chr2    3      4      N       GGGGG
   
4. chr2     7      10   TGG    A

复制代码

文本二

1. >chr1:1-5
   
2. TNGNN
   
3. >chr1:6-15
   
4. NTG
   
5. >chr2:1-8
   
6. TTNCCTTG
   

复制代码

得到的结果：

1. 
   
2. >chr1:1-5
   
3. TAGT（也就是4-5的N变成了T）
   
4. >chr1:6-15
   
5. TG（6位的N删除了）
   
6. >chr2:1-8
   
7. TTGGGGGCCTA(计算的时候如果前面的位置已经发生过突变了，比如‘chr2     7      10   TGG    A’应该是改变原来文本上的第7位-第9位的TGG 为N，但是前面‘chr2    3      4      N       GGGGG‘这里的变化使得增加了4位，后面‘chr2     7      10   TGG    A’改变的就相当于改变的是文本的第11位至13位的TGG变成了A，又因为区域只有1-8（发生‘chr2    3      4      N       GGGGG’后变成了1-12,）所以排除了第9位。。
   

复制代码

xiumu2280

这个是不是需要把\n替换掉

huang6894

回复 2# xiumu2280


    是的呢~

huang6894

可耻的up一下。。。。

pitonas

这个问题有点难

GT变成A
GTGTG => AAG

1. #!/usr/bin/perl
   
2. 
   
3. open my $D1, 'doc1';
   
4. 
   
5. my %d1;
   
6. while (<$D1>) {
   
7.     my ( $chr, $beg, $end, $old, $new ) = split;
   
8.     push @{ $d1{$chr} },
   
9.       { B => $beg, L => ( $end - $beg + 1 ), O => $old, N => $new };
   
10. 
    
11. }
    
12. 
    
13. $/ = '>';
    
14. <DATA>;
    
15. 
    
16. while (<DATA>) {
    
17.     /^\w+/ and exists( $d1{$&} ) or next;
    
18.     my ( $CHR, @SEQ ) = split;
    
19.     pop @SEQ if $SEQ[-1] eq '>';
    
20.     my $SEQ = join '', @SEQ;
    
21.     for my $C ( @{ $d1{$CHR} } ) {
    
22.         my $sub = substr $SEQ, $C->{B}, $C->{L};
    
23.         $sub =~ s/$C->{O}/$C->{N}/g;
    
24.         substr( $SEQ, $C->{B}, $C->{L} ) = $sub;
    
25.     }
    
26.     print ">$CHR\n$SEQ\n";
    
27. }
    
28. 
    
29. __DATA__
    
30. >chr1
    
31. AGGGTGGTTGGTGGGAAACCCTGGTTCCCCCAGCCCCCGGAGACTTAAAT
    
32. ACAGGAAGAAAAAGGCAGGACAGAATTACAAGGTGCTGGCCCAGGGCGGG
    
33. >chr2
    
34. AGGGTGGTTGGTGGGAAACCCTGGTTCCCCCAGCCCCCGGAGACTTAAAT
    
35. ACAGGAAGAAAAAGGCAGGACAGAATTACAAGGTGCTGGCCCAGGGCGGG
    
36. >chrx
    
37. AGGGTGGTTGGTGGGAAACCCTGGTTCCCCCAGCCCCCGGAGACTTAAAT
    
38. ACAGGAAGAAAAAGGCAGGACAGAATTACAAGGTGCTGGCCCAGGGCGGG
    

复制代码

huang6894

回复 5# pitonas


    大神。。。请允许我膜拜一下
谢谢，谢谢

pitonas

chr1   0 5  GT  A
chr1   6 7  A  T

GTGTAAAAAA => AAAAAAAA  # 0 .. 5 (length changed!)
AAAAAAAA   => AAAAAATT  # 6 ..7 new pos
or
GTGTAAAAAA  => GTGTATTAAA # 6 ..7
GTGTATTAAA  => AAATTAAA   # 0 .. 5

输出结果不同

AAAAAATT != AAATTAAA

huang6894

回复 5# pitonas


    测试后回来，麻烦吐司哥提示一下怎么改~
就是：

1. chr1    1       2       N       A
   
2. chr1    4       7       NNN     T
   
3. chr1    13      14      N       GGGGG

复制代码

测试文本：

1. >chr1
   
2. NBNNNNCNNNNDNENNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
   
3. NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
   

复制代码

按道理我想要得到的是：

1. >chr1
   
2. ABNTCNNNNDGGGGGENNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
   

复制代码

大神的结果是：

1. >chr1
   
2. NANNTNNNNDNNGGGGGNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
   

复制代码

不过如果像大神这样做的话，计算的时候之前的位置就改变了，比如‘chr1    13      14      N       GGGGG’应该是改变原来文本上的第13位的N为GGGGG，但是‘chr1    4       7       NNN     T‘这里的变化使得缺了两位，后面‘chr1    13      14      N       GGGGG’改变的就相当于之前文本的第15位的N了。。

pitonas

{:2_172:}麻烦94大神测试测试

1. #!/usr/bin/perl
   
2. 
   
3. open my $D1, 'doc1';
   
4. 
   
5. my %chrs;
   
6. while (<$D1>) {
   
7.     my ( $chr, $beg, $end, $old, $new ) = split;
   
8.     push @{ $chrs{$chr} },
   
9.       {
   
10.         P => ( $beg - 1 ),
    
11.         L => ( $end - $beg ),
    
12.         O => $old,
    
13.         N => $new
    
14.       };
    
15. }
    
16. 
    
17. $/ = '>';
    
18. <DATA>;
    
19. 
    
20. while (<DATA>) {
    
21.     #/^\w+/ and exists( $d1{$&} ) or next;
    
22.     my ( $CHR, @SEQ ) = split;
    
23.     pop @SEQ if $SEQ[-1] eq '>';
    
24.     my $SEQ = join '', @SEQ;
    
25.     my $move = 0;
    
26.     for my $C ( @{ $chrs{$CHR} } ) {
    
27.         my $pos = $C->{P} + $move;
    
28.         my $sub = substr $SEQ, $pos, $C->{L};
    
29.         my $tr  = $sub =~ s/$C->{O}/$C->{N}/g;
    
30.         substr( $SEQ, $pos, $C->{L} ) = $sub;
    
31.         $move -= ( length( $C->{O} ) - length( $C->{N} ) ) * $tr;
    
32.     }
    
33.     print ">$CHR\n$SEQ\n";
    
34. }
    
35. 
    
36. 
    
37. __DATA__
    
38. >chr1
    
39. NBNNNNCNNNNDNENNN
    
40. CCCCCCCCCCCCCCCCC
    
41. >chrx
    
42. 12345
    

复制代码

huang6894

回复 9# pitonas


    哈哈~吐司哥，测试之后是这样的
chr12   121176082       121176083       G       A就是把第121176082位的G（只有1位）变成A；
所以我把L => ( $end - $beg + 1 )变成了L => ( $end - $beg  )，不然结果会double出现。。。变成121176082的G以及121176083的G都会变成A

真的非常感谢吐司哥~