求助perl大神

语笑嫣然qaz

如果我想处理下面的文本,已知第二第三列为其起始终止坐标,当他们第五列相同时比较他们的第二第三列,如果坐标区间有重叠,则合并之并取其最小的起始坐标和最大的终止坐标,将没有重叠的删去。

处理数据:
refseq1 8  13  +       NM_152486       SAMD11
refseq1 6  11  +       NM_152486       SAMD11
refseq1 14  16  +       NM_152486       SAMD11
refseq1 6  12  -       NM_021170       HES4
refseq1 8  10  -       NM_021170       HES4
refseq2 9  11  -       NM_001002919    FAM150B
refseq2 3  8  -       NM_001002919    FAM150B
期望结果是
refseq1 6  13  +       NM_152486_E1       SAMD11
refseq1 6  12  -       NM_021170_E1       HES4

frankhyk

唉，好久没写了，憋了半天才弄出个结果，不知道满不满足你的要求。

1. 
   
2. use List::Util qw(max min);
   
3. open(FH,"file_name");
   
4. while(<FH>){
   
5.         {
   
6.         @data_a=split(/\s+/,$_);
   
7.         push(@{$hash_1{$data_a[4]}},$_);
   
8.         }
   
9. }
   
10. foreach $a_key (sort keys %hash_1)
    
11. {
    
12.         undef @num1;
    
13.         undef @num2;
    
14.         for ($k=0;$k<@{$hash_1{$a_key}};$k=$k+1)
    
15.         {
    
16.         @data_b=split(/\s+/,$hash_1{$a_key}[$k]);
    
17.         push(@num1,$data_b[1]);
    
18.         push(@num2,$data_b[2]);
    
19.         }
    
20.         $data_b[1]=min(@num1);
    
21.         $data_b[2]=max(@num2);
    
22.         $hash_1{$a_key}=join("  ",@data_b);
    
23. }
    
24. foreach $a_key (sort keys %hash_1)
    
25. {
    
26.         print "$hash_1{$a_key}\n";
    
27. }
    
28. 
    

复制代码

语笑嫣然qaz

谢谢了啊，我先跑一跑试试

清泉一边

1. #!/usr/bin/perl
   
2. use strict;
   
3. my $ref = {};
   
4. while (<DATA>)
   
5. {
   
6. chomp;
   
7. my ($name,$s,$e,$p,$inf) = split /\s+/,$_,5;
   
8. push @{$ref->{$name}->{$p}->{$inf}},[$s,$e];
   
9. }
   
10. foreach my $name (sort keys %$ref) {
    
11.    foreach my $p (sort keys %{$ref->{$name}}) {
    
12.         foreach my $inf (sort keys %{$ref->{$name}->{$p}}) {
    
13.                  my @all = @{$ref->{$name}->{$p}->{$inf}};
    
14.            my @sort = sort {$a->[0] <=> $b->[0]}@all;
    
15.            my $start = $sort[0][0];
    
16.            my $end = $sort[0][1];
    
17.            my $n = 0;
    
18.                   for my $i (1..$#sort) {
    
19.                            if ($end >= $sort[$i][0] && $end <= $sort[$i][1]){
    
20.                                $end =  $sort[$i][1];
    
21.                                $n++;
    
22.                             }
    
23.                            if ($end >= $sort[$i][1])
    
24.                            {$n++;}
    
25.                            if ( $end <= $sort[$i][0]){
    
26.                             print "$name\t$start\t$end\t$p\t$inf\n" if ($n != 0);
    
27.                            $start =  $sort[$i][0];
    
28.                            $end =  $sort[$i][1];
    
29.                            $n = 0;
    
30.                           }
    
31.                 }
    
32.              print "$name\t$start\t$end\t$p\t$inf\n"if $n != 0;
    
33.   }
    
34. }
    
35. 
    
36. }
    
37. 
    
38. __DATA__
    
39. refseq1 8  13  +       NM_152486       SAMD11
    
40. refseq1 6  11  +       NM_152486       SAMD11
    
41. refseq1 14  16  +       NM_152486       SAMD11
    
42. refseq1 6  12  -       NM_021170       HES4
    
43. refseq1 8  10  -       NM_021170       HES4
    
44. refseq2 9  11  -       NM_001002919    FAM150B
    
45. refseq2 3  8  -       NM_001002919    FAM150B

复制代码

回复 1# 语笑嫣然qaz
貌似没加E1....


   

wiliiwin

1. #!/usr/bin/perl -w
   
2. my %hash;
   
3. my %hash2;
   
4. my @a;
   
5. while(<DATA>)
   
6. {
   
7.     my @a=split;
   
8.     push @{$hash{$a[4]}},@a[1,2];   
   
9.     @{$hash2{$a[4]}}=@a[0,3,5];
   
10. 
    
11. }
    
12. 
    
13. foreach my $tem(sort keys %hash)
    
14. {
    
15.       my @b=sort({$a<=>$b} @{$hash{$tem}});
    
16.       my @c=@{$hash2{$tem}};
    
17.       printf "$c[0]\t$b[0]\t$b[-1]\t$c[1]\t$tem\t$c[2]\n";
    
18. 
    
19. }
    
20. 
    
21. __DATA__
    
22. refseq1 8  13  +       NM_152486       SAMD11
    
23. refseq1 6  11  +       NM_152486       SAMD11
    
24. refseq1 14  16  +       NM_152486       SAMD11
    
25. refseq1 6  12  -       NM_021170       HES4
    
26. refseq1 8  10  -       NM_021170       HES4
    
27. refseq2 9  11  -       NM_001002919    FAM150B
    
28. refseq2 3  8  -       NM_001002919    FAM150B

复制代码

1. # ./1.pl
   
2. refseq2        3        11        -        NM_001002919        FAM150B
   
3. refseq1        6        12        -        NM_021170        HES4
   
4. refseq1        6        16        +        NM_152486        SAMD11

复制代码

清泉一边

把E1,E2...也加上了~方法有些笨~

1. #!/usr/bin/perl
   
2. use strict;
   
3. my $ref = {};
   
4. while (<DATA>)
   
5. {
   
6. chomp;
   
7. my ($name,$s,$e,$p,$inf1,$inf2) = split /\s+/,$_;
   
8. push @{$ref->{$name}->{$p}->{$inf1}->{$inf2}},[$s,$e];
   
9. }
   
10. foreach my $name (sort keys %$ref) {
    
11.    foreach my $p (sort keys %{$ref->{$name}}) {
    
12.         foreach my $inf1 (sort keys %{$ref->{$name}->{$p}}) {
    
13.            foreach my $inf2 (sort keys %{$ref->{$name}->{$p}->{$inf1}}) {
    
14.                  my @all = @{$ref->{$name}->{$p}->{$inf1}->{$inf2}};
    
15.                         my @sort = sort {$a->[0] <=> $b->[0]}@all;
    
16.                  my $start = $sort[0][0];
    
17.                  my $end = $sort[0][1];
    
18.                  my $n = 0;
    
19.                  my $m = 1;
    
20.                   for my $i (1..$#sort) {
    
21.                            if ($end >= $sort[$i][0] && $end <= $sort[$i][1]){
    
22.                                $end =  $sort[$i][1];
    
23.                                $n++;
    
24.                             }
    
25.                            if ($end >= $sort[$i][1])
    
26.                            {$n++;}
    
27.                            if ( $end <= $sort[$i][0]){
    
28.                             print "$name"."\t"."$start"."\t"."$end"."\t"."$p"."\t"."$inf1"."_"."E"."$m"."\t"."$inf2"."\n" if ($n != 0);
    
29.                             $m++;
    
30.                            $start =  $sort[$i][0];
    
31.                            $end =  $sort[$i][1];
    
32.                            $n = 0;
    
33.                           }
    
34.                 }
    
35.              print "$name"."\t"."$start"."\t"."$end"."\t"."$p"."\t"."$inf1"."_"."E"."$m"."\t"."$inf2"."\n" if $n != 0;
    
36.     }
    
37.   }
    
38. }
    
39. }
    
40. 
    
41. __DATA__
    
42. refseq1 8  13  +       NM_152486       SAMD11
    
43. refseq1 6  11  +       NM_152486       SAMD11
    
44. refseq1 14  16  +       NM_152486       SAMD11
    
45. refseq1 6  12  -       NM_021170       HES4
    
46. refseq1 8  10  -       NM_021170       HES4
    
47. refseq2 9  11  -       NM_001002919    FAM150B
    
48. refseq2 3  8  -       NM_001002919    FAM150B

复制代码

回复 1# 语笑嫣然qaz


   

清泉一边

1. refseq1        6        13        +        NM_152486_E1        SAMD11
   
2. refseq1        6        12        -        NM_021170_E1        HES4

复制代码

wiliiwin

回复 7# 清泉一边

这答案不对吧，应该返回三行的吧，我看他是说第五列，应该是三行啊


   

清泉一边

是两行呀，他期望的结果就是我输出的结果呢~他要求删去那些没有交集的
回复 8# wiliiwin


   

清泉一边

我认为他的数据，第五列相同，第一列和第六列也是相同的~所以没纠结于他说的第五列~
回复 8# wiliiwin