求一个更高效的程序，内附自己小白程序！

54red

while (<IN>) {
chomp;
my $line=$_;
my @snp_data=split/\t/,$line;
my $chr="chr"."$snp_data[0]";
     foreach  (@gene) {
     chomp;
         my @pos= split /\t/,$_;
         
     next if $pos[0] ne $chr ;
         
         if(($snp_data[1]>=$pos[2])&&($snp_data[1]<=$pos[3])){
                 print OUT "$line\n";next;
                 }
   
}


}

我是期待的分隔线…………………………………………

这个程序的意思就是：gene 和 In的第一列的数字部分相同，并且 In 的第二列在gene 的三四列范围之间，就输出IN；
数据量大，两个循环很费时间。
<@gene>
chr1        ABCA4        94458582        94586799
chr1        ACADM        76190031        76229363
chr16        BBS2        56518258        56554008
chr17        G6PC        41052813        41066450
chr17        GAA        78078244        78093271

。。。。。。2000行


<IN>
1        94505603        rs368951547        C        T        NA        NA
1        94505604        rs61750126        A        C        0.02066        NA
1        94505611        rs137853898        G        A        NA        not-provided
1        94505620        rs370967816        T        A        NA        NA
1        94505621        rs149503495        T        C        NA        NA
1        94505627        rs374610040        A        G        NA        NA
22        18901263        rs377148163        C        A        NA        NA
22        18901290        rs381848        G        A        0.07989        NA
22        18901322        rs62232347        C        A        NA        NA
22        18901326        rs201353896        TCC        T        0.05005        NA
22        18901327        rs10537001        CCT        C        0.0528        NA
16        18901326        rs201353896        TCC        T        0.05005        NA
17        18901327        rs10537001        CCT        C        0.0528        NA
。。。。。。很多很多万行

MMMIX

回复 1# 54red


    把 gene 放到 hash 中。

rubyish

shishi:

1. #!/usr/bin/perl
   
2. open my $G, 'gene';
   
3. open my $I, 'IN';
   
4. 
   
5. my %gene;
   
6. 
   
7. while (<$G>) {
   
8.     my ( $chr, undef, $r1, $r2 ) = split;
   
9.     ($chr) = $chr =~ /(\d+)/;
   
10.     push @{ $gene{$chr} }, [ $r1, $r2 ];
    
11. }
    
12. 
    
13. for ( values %gene ) {
    
14.     @$_ = sort { $a->[0] <=> $b->[0] } @$_;
    
15. }
    
16. 
    
17. while (<$I>) {
    
18.     my ( $chr, $pos ) = split /\s+/, $_, 3;
    
19.     next unless exists $gene{$chr};
    
20.     for my $R ( @{ $gene{$chr} } ) {
    
21.         last if $pos < $R->[0];
    
22.         next if $pos > $R->[1];
    
23.         print;
    
24.         last;
    
25.     }
    
26. }
    

复制代码

rubyish

回复 1# 54red

1. foreach (@gene) {
   
2.     chomp;
   
3.     my @pos= split /\t/, $_;
   

复制代码

biru IN you 10 wan hang
gene 1 hang
chomp 10 wan ci
split 10 wan ci

54red

用了楼上的程序，现在基本可以在半个小时出结果了，速度提高了100倍左右，再次感谢！

MMMIX

回复 5# 54red


    其实，要数据量真的比较大（G级），而且你需要对其进行各种搜索，就上数据库吧。

rubyish

回复 6# MMMIX

半个小时出结果

Do you have any medicines for this?
@104359176
@jason680

rubyish

回复 5# 54red

keyi upload your data? (gene: all, IN: 1/2 or 1/4 or all)
wo shishi xie 1 ge bijiaokuaide code,
(dan bushi perl)
   

104359176

这个涉及到对另外一个大型的数据结构进行查询，这种算法半小时算快的了。

MMMIX

回复 7# rubyish


    导入数据库，建好索引，然后再查询。G级的数据，估计几分钟也就出来了。