求助：合并外显子的脚本

让阿阿

文件1，是这样的基因组序列
>1A dna:chromosome chromosome:IWGSC1.0+popseq:1A:1:248437066:1
TCTTTTCGACGATGTGGTGCACAGATACACTTGACAGCCATAAGAAAAAGAAACTAGATG
CGGCTAAACCAAGTGACCGGTTTGAACATTGGAAAAAAAAACTAGATGCGGCTAAACCAA
GTGACCGGTTCGGACATTTGGAAAAAATGCCAAGAGGAATTTGATGGCAGGGAGTTAGCT
GGCACATCGCTCTCAAAAGAATTACTGGGGTAAAAACTGGCAAAACTTTTGCTAAATGGG
GTAATATGGATGAAAATTTATTAAATGGGGTAATTAGTGTCAAAAATGTTAAAATAAGGG
GTAAAAACTGAAATTCACTCTTTTTTAGGGGAATTCCTTACCATCGCGTGCACGATAGAG
GTTTTGTTGATCAGCCCTCCTATTCGGCGTCCTCAGCGCCGCTTGTGACATGGGAATGGA
ACTAGGAGGCCAACGTCCATGGCCTTCCCGCAGTAACCACTCCACCGCAACCAACTTGAT
GTGTTTGTATCCAAAAATTAGAGCCATTAGACCCGTGTTCCATTCCTAGTATGAATTATT
TTTAAAAAGCAAATGTAAACTTAAAAAGAATTTGTGAATTTTTAAAAGTTAATTTATTTA
AAAAACGAAATCATGAAATTAAAAGAGTTCCACCTGATTGTATTTGAAAAAAGTTCATCA
ATTTTCATAAAAAAAGTTCACGAATTTGAACAAAGTTCACCGAATTTTGTAAAAAGGTCA
TAAAAGTTCATGGATTCTGGTAAAAAAAAGTTCACTAATTTAAAGAAGTTCACCGGATTC
TGAAAAAAAAACATGGATTTAAAAACTGTTCGTCCATTTTCATAAAAAAGTTCACGAATT
TGAACAAAGTTCACTGAATTTTGAAAAAACGTCATGGATTTGAAAAGAGATCATCGATGT
TGATAAAAAAAGTTTAGTAAGTTAAAGAACATTCACCGAATTTTGGAAAGACGTCACCAA
TTTTGGAATAAAAATGTTCACAGAATTTTTTAGAAAAGTTCATCGATTCTGCTAAATAAG
TGCATGAATTTTGAAGAAGAAAAAGACACAAAAAATAGGAAGAATAAAATAAAGAAAGAC
TAAAATAAAAAATATGATATACAGAATCACGTCAAGTTAGTTCTCTAATTGGCTAGTGGA
GCTAAGAATGAATTAGAGGTCGCGGGATAGAATCTGGAATCACACAGGATCGTCTTTTTG
CAGTTTAAAATCAGGAAAAACTAGGTAAACGGGCCGGCGTACAGCGTAGGGGCAGGGGGG
GTGGTTGCCCGTTTGCGCCGATGCCTTTATCCGGTGCAGCGGGCGCCAAATCAAGGCAAT
TTGAAAAGGGAGCAACTAGTTAACGAGTGCTCCTCGGGAGCCTCGTAACGATCAGCGCCA
CTTGGCGCGCTCTCAGCCATTCGCCATGTGTCGCGCTCTGGACGTTTCCTCCGAATTTTT
TTTATTATTTTTCCACACGCGTTTTCGGCTTTTTAAACCCTTTTTTTGGGTTTTTCGACG
TTTTGGTTTTCCGCCGGTCTTTCTTAGCTTTCCGAGCAAAAAAAATTGGAAAAAAAAAAT
TCGCGAAAAAAACACGTTTTCTTTTTTTTTTCTTTCACGAAAGTCACGATTTTTTTTCCG
CGAGAGGCACAGTTGTGCTTTAGCGAGAGTGACGACCGTGCCTTTCGGAAGCGAAAAAAC
GCATTTTCTGTTCTTTTTTTCTTTCGCGAGTTTCACGGTTTTGCTTCCGCGAGAGGCACG
GTTGTGCTTTCGCAAGAGTCACGGACGTGCCTCTCAGAATGGAAAAAAAAACACGTTTTT
TTTCTTTCGTGAGAGTCACGGTTTTGCTTCCGCGAGAGGCATTTTTGCTTCCGCAAGAGT
CACGGCCGTGCCTCTCAGAAAGGAAAAGAACGCGTTTCTGTTTTTTTTGTCTAGCGAGGG
TCACGGTTTTGCTTCCGTGAGAGGCATGGTTGTGCTTTCGCGAGAGTCACGGCCGTGCCT
文件二是这样的文件
1A      Cufflinks       exon    103892  103972  .       +       .       gene_id "XLOC_000001"; transcript_id "TCONS_00000001"; exon_number "1
"; oId "CUFF.2.1"; tss_id "TSS1";
1A      Cufflinks       exon    187910  187999  .       +       .       gene_id "XLOC_000002"; transcript_id "TCONS_00000002"; exon_number "1
"; oId "CUFF.6.1"; tss_id "TSS2";
1A      Cufflinks       exon    188144  188273  .       +       .       gene_id "XLOC_000002"; transcript_id "TCONS_00000002"; exon_number "2
"; oId "CUFF.6.1"; tss_id "TSS2";
1A      Cufflinks       exon    198368  198544  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000003"; exon_number "1
"; oId "CUFF.1.1"; tss_id "TSS3";
1A      Cufflinks       exon    1129385 1129492 .       +       .       gene_id "XLOC_000004"; transcript_id "TCONS_00000004"; exon_number "1
"; oId "CUFF.7.1"; tss_id "TSS4";
1A      Cufflinks       exon    1525818 1525917 .       +       .       gene_id "XLOC_000005"; transcript_id "TCONS_00000005"; exon_number "1
"; oId "CUFF.9.1"; tss_id "TSS5";
1A      Cufflinks       exon    1976125 1976222 .       +       .       gene_id "XLOC_000006"; transcript_id "TCONS_00000006"; exon_number "1
"; oId "CUFF.12.1"; tss_id "TSS6";
1A      Cufflinks       exon    1976303 1976589 .       +       .       gene_id "XLOC_000006"; transcript_id "TCONS_00000006"; exon_number "2
"; oId "CUFF.12.1"; tss_id "TSS6";
1A      Cufflinks       exon    2935683 2935826 .       +       .       gene_id "XLOC_000007"; transcript_id "TCONS_00000007"; exon_number "1
"; oId "CUFF.15.1"; tss_id "TSS7";
1A      Cufflinks       exon    2936176 2936751 .       +       .       gene_id "XLOC_000007"; transcript_id "TCONS_00000007"; exon_number "2
"; oId "CUFF.15.1"; tss_id "TSS7";
1A      Cufflinks       exon    4513117 4513204 .       +       .       gene_id "XLOC_000008"; transcript_id "TCONS_00000008"; exon_number "1
"; oId "CUFF.16.1"; tss_id "TSS8";
1A      Cufflinks       exon    4513297 4513387 .       +       .       gene_id "XLOC_000008"; transcript_id "TCONS_00000008"; exon_number "2
"; oId "CUFF.16.1"; tss_id "TSS8";
1A      Cufflinks       exon    4515550 4515649 .       +       .       gene_id "XLOC_000008"; transcript_id "TCONS_00000008"; exon_number "3
"; oId "CUFF.16.1"; tss_id "TSS8";
1A      Cufflinks       exon    8480276 8480450 .       +       .       gene_id "XLOC_000009"; transcript_id "TCONS_00000009"; exon_number "1
"; oId "CUFF.22.1"; tss_id "TSS9";
1A      Cufflinks       exon    9118651 9119264 .       +       .       gene_id "XLOC_000010"; transcript_id "TCONS_00000010"; exon_number "1
文件二中的第三、四列分别对应这个外显子的起始、终止位置，而后面的TCONS_00000001这部分是这个外显子所在的转录本，而每个转录本的外显子个数不一定，少的一个，多的数十个，中间位置有缺失，我想把每个转录本的所有外显子根据文件一的序列合并起来，输出为
>TCONS_00000001+外显子数目
ATGC....
>TCONS_00000002+外显子数目
GCTA...


谢谢大神们

让阿阿

自己顶一个。。

MMMIX

回复 1# 让阿阿


    这里的绝大多数人都不了解生物信息。所以，你还是把你的输入和输出之间的关系仔细描述下，然后把你的（即使是无法完全工作的）脚本贴上来。要是你就想别人帮你写个程序，那还是歇了吧。

b114213903

回复 3# MMMIX


    楼主应该是学生物的学生吧，呵呵

这个问题不是很难，建议楼主再仔细看会儿书，应该能搞定！

清泉一边

楼主是想提取cufflinks组装的所有转录本的序列吧？但是提取出来是要做什么呢？回复 1# 让阿阿