Discussion :

[pontarose]

Bonjour,

Je dispose d'un fichier tabulé pour lequel pour chaque gène j'ai le nom de l'exon et la position de début et de fin de l'exon

fchier

ENSG20 exon5 8 18
ENSG20 exon4 30 40
ENSG79 exon42 7 14
ENSG79 exon13 28 78
ENSG79 exon9 100 110

Je souhaiterai obtenir un fichier intermédiaire avec pour chaque exon d'un gène donnée, la taille totale de l'exon en colonne 5 (fin exon - début exon +1) et pour chaque intron du gène sa position
de début (fin de l'exon n) et de fin (début exon n+1) et la taille totale de l'intron (fin intron - début intron+1). Les positions de début et de fin de l'intron sont déduite de la position des exons



fichier final

ENSG20 exon5 8 18 11
ENSG20 exon4 30 40 11
ENSG 20 intron 18 30 13
ENSG79 exon42 7 14 8
ENSG79 exon13 28 78 51
ENSG79 exon9 100 110 11
ENSG79 intron 14 28 15
ENSG79 intron 78 100 23

Je procède étape par étape. Mon problème est que je n'arrive pas à afficher mon hash pour toute les lignes de mon fichier!
Voiçi mon code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
 
 my %new=();
my @liste;
my $p=0;
open OLA, "fichier" or die $!;
 
while(my $ligne = <OLA>){
        chomp $ligne;
        $p++;
	my ($gene,$exon,$deb,$fin) = split /\t/, $ligne;
 
	%new = (
		$gene => {
			$exon => [$deb,$fin]
			}	
		);
 
	@liste = @{$new{$gene}{$exon}};
 
}
print "\n";
 
foreach my $t (keys %new){
	foreach (keys %{$new{$t}}) {
                 print ("$t=>$_ => @liste\n"); 
	}
}

Résultat obtenue:
ENSG79=>exon9 => 100 110

[CosmoKnacki]

Si tu veux afficher toutes tes valeurs c'est sur la liste qu'il faut boucler, pas sur le hash.

D'ailleurs j'ai l'impression que tu n'as pas choisi la bonne structure de donnée. Si j'ai bien compris ce que tu voulais faire, je procéderai comme ça:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
while(my $ligne=<OLA>){
    chomp $ligne;
 	my ($gene,$exon,$deb,$fin) = split /\h+/, $ligne;
 	push @liste, {'gene'=> $gene, 'exon'=> $exon, 'deb' => $deb, 'fin' => $fin };
}
 
foreach (@liste) {
    $_->{'taille'} = $_->{'fin'} - $_->{'deb'} + 1;
	print "$_->{'gene'}\t$_->{'exon'}\t$_->{'deb'}\t$_->{'fin'}\t$_->{'taille'}\n";
}

Si tout ce que tu souhaites faire est un calcul pour chaque ligne, tu peux le faire directement dans la boucle de lecture au fur et à mesure:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
my @F;
 
while(<OLA>){
    (my @F) = split;
    push @F, $F[3] - $F[2] + 1;
    print join ("\t", @F), "\n";
}

[Lolo78]

Si tes lignes sont ordonnées par gène et par début d'exon, comme cela semble être le cas dans l'échantillon de données que tu présentes, tu peux lire tes données et ajouter les informations voulues (y compris les nouvelles lignes relatives aux introns) au fur et à mesure sans même avoir besoin de stocker tes données en entrée dans un hash, un tableau ou quoi que ce soit d'autre.

[Lolo78]

Voici un exemple de comment faire l'ensemble au fil de l'eau, sans hash (et encore moins de hash de hash):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
 
use strict;
use warnings;
my ($previous_end, $intron);
my $previous_gene = "";
while (my $line = <DATA>) {
    chomp $line;
    my ($gene, undef, $start, $end) = split / /, $line;
    my $length = $end - $start + 1;
    if ($gene ne $previous_gene) {
        print $intron if $intron;
        $intron = "";
    } else {
        $intron .= "$gene intron $previous_end $start " . ($start - $previous_end + 1) . "\n";
    }
    print "$line $length\n";   
    $previous_end = $end;
    $previous_gene = $gene;
}
print $intron;
 
__DATA__
ENSG20 exon5 8 18
ENSG20 exon4 30 40
ENSG79 exon42 7 14
ENSG79 exon13 28 78
ENSG79 exon9 100 110

Ce qui produit le résultat suivant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
$ perl intron.pl
ENSG20 exon5 8 18 11
ENSG20 exon4 30 40 11
ENSG20 intron 18 30 13
ENSG79 exon42 7 14 8
ENSG79 exon13 28 78 51
ENSG79 exon9 100 110  11
ENSG79 intron 14 28 15
ENSG79 intron 78 100 23

paraissant bien correspondre à ce que tu attends.

[pontarose]

Bonjour,

Merci CosmoKnacki et Lolo78, vous avez bien compris ce que je souhaite faire!
En fait, mes lignes ne sont pas ordonnées par gène et par début d'exon!!! Donc je ne peux pas utiliser ta méthode Lolo78, j'ai besoin de stocker les données pour ensuite les trier (pour un gène donnée je trie par rapport à la position de début)

Je ne peux pas faire de tri sur une liste associative, comment faire?
Merci

[Lolo78]

Il suffit de trier ton fichier avant de commencer, et ça marchera.

[pontarose]

MERCI
#trie de mon fichier

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
my @data = <IN>;
 
my @sorted_data = map {$_->[2]}
	sort {$a->[0] cmp $b->[0] || $a->[1] <=> $b->[1]}
        map {my ($f1, $f2) = (split /\t/, $_)[0, 2]; [$f1, $f2, $_]}  @data;
#print @sorted_data;