论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2014-12-08 21:51 |只看该作者 |倒序浏览

本帖最后由弦断有谁听1053476508 于 2014-12-15 16:53 编辑

任务：步骤1，Orthologs-msu.txt是原始文件，让其每一行行生成1个ID文件(如ORTHOMCL2.txt) ，文件名是每一行第一个元素。
      步骤2，然后以文件名为散列的key，文件内容为元素构造散列保存。
      步骤3，再用每个ID文件的每一行（如下面的APK_ORTHOMCL2），从同一个Allseq.fa（DNA文件）中找到对应的APK_ORTHOMCL2提取DNA序列
如,APK_ORTHOMCL2
>AT1G51370.2 | Symbols:  | F-box/RNI-like/FBD-like domains-containing protein | chr1:19045615-19046825 FORWARD LENGTH=1118
ATGGTGGGTGGCAAGAAGAAAACCAAGATATGTGACAAAGTGTCACATGAGGAAGATAGGATAAGCCAGTTACCGGAACC
TTTGATATCTGAAATACTTTTTCATCTTTCTACCAAGGACTCTGTCAGAACAAGCGCTTTGTCTACCAAATGGAGATATC
TTTGGCAATCGGTTCCTGGATTGGACTTAGACCCCTACGCATCCTCAAATACCAATACAATTGTGAGTTTTGTTGAAAGT
TTTTTTGATTCCCACAGGGATTCATGGATACGCAAACTCCGTTTAGATTTGGGTTATCATCATGATAAGTATGATCTCAT
GTCATGGATTGATGCTGCGACTACGCGTAGGATTCAGCATCTTGATGTTCATTGTTTTCACGATAATAAGATACCCTTGA
GCATATATACATGCACGACGTTGGTACACTTACGACTCCGTTGGGCTGTCTTGACTAATCCCGAGTTTGTTTCCTTACCT

生成N个fa序列文件，找不到对应ID的生产空文件。

原始文件就像下面的内容：
orthologous_group_ID num_orthologs/in-paralogs num_species species orthologs/in-paralogs
APK_ORTHOMCL0 416 2 rice sorghum LOC_Os04g04140 LOC_Os05g29160 LOC_Os10g02640
APK_ORTHOMCL2 212 3 brachy rice sorghum Bradi1g21530 Bradi2g26540 Bradi2g49480 Bradi2g61260

其中要求生成的ID文件如下：
APK_ORTHOMCL0
416
2
rice sorghum
LOC_Os04g04140
LOC_Os05g29160
LOC_Os10g02640

别人写的步骤一的一段代码，错误出在哪，怎么改？或者高手给重写一段。
open (IN,"<$ARGV[0]");
my ($i，@in,$linename,@id);
while (<IN>)
  {
@in = split("\s", $_);
$linename = shift (@in);
@id = join ("\n", @in);
print "$linename\n@id";
$i++；
open my $out, ">$i";
print $out sth

步骤二没有参考脚本

步骤三的参考脚本如下：
#tempo 从fasta格式中用名称提取序列
#cd C:\strawberry\perl\bin
# perl ID-SEQok.pl ORTHOMCL2.txt zmossbat.fa >mcl2.fa
#!/usr/bin/perl -w
#use strict;
#use warnings;
($ARGV[0] && $ARGV[1]) or die "usage: $0 NameFile DataBase\nShortName to FullName\n";
my $nameFile=$ARGV[0];
my $dataFile=$ARGV[1];
open(my $nf,$nameFile) or die "cannot open $nameFile";
open(my $df,$dataFile) or die "cannot open $dataFile";
undef $/;
my $temp;
$temp=<$nf>;
my @names=sort split /\n/,$temp;
close($nf);
foreach my $name (@names)
{
$name=~s/\|/\\|/g;
}
$/=">";
while($temp=<$df>)
{
chomp($temp);
$temp=~m/(.*)/;
my $head=$1;
foreach my $name(@names)
{
      if($head=~m/$name/i)
      {
         print ">$temp";
      }
}
}
close($df);

我是植物学硕士，但是对计算机语言没什么造诣，高手帮帮忙吧，最好把三个步骤连在一起写一个程序。
---------------------------------------------------------------------------------------------------------------------------------------------------------

12月15编辑：
  原始文件（Orthologs-msu.txt有约2000行)和要求生成约2000个fa序列文件，过程如

Allseq.fa文件有200g，太大没法上传，只能发测试文件。测试文件在下面的附件中，具体测试就是使原始文件Orthologs-msu.txt每一行生成1个ID文件，文件名是每一行第一个元素，文件内容为ID。ID文件的每一行为一个子ID(如ORTHOMCL2.txt)，再用每个ID文件的每一行（如下面的LOC_Os04g04140），从同一个Allseq.fa（DNA文件）中找到对应的（如LOC_Os04g04140）提取序列,生成N个fa序列文件。效果如APK_ORTHOMCL0.fa和APK_ORTHOMCL2.fa，提取不到对应序列的如APK_ORTHOMCL1.fa为空！