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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273
| #!/usr/bin/perl
#nom des programmes testés : stop_codon_count.pl, stop_codon_count2.pl, stop_codon_count3.pl
# compter le nombre de codons stop dans mes 6 cadres de lecture
use strict;
use warnings;
use Benchmark qw(cmpthese) ;
use Bio::SeqIO;
use List::AllUtils qw(indexes min);
cmpthese (10000, {
'stop_codon' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence revcom
my $revcom = reverse($sequence);
$revcom =~ tr/ACGTRYKMHDVBacgtrykmhdvb/TGCAYRMKDHBVtgcayrmkdhbv/;
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
my @triplets_cadre2 = substr ($sequence, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
my @triplets_cadre4 = $revcom =~ m/([A-Z]{3})/gi;
my @triplets_cadre5 = substr ($revcom, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre6 = substr ($revcom, 2) =~ m/([A-Z]{3})/gi;
# map {print "$_\n";} @triplets_cadre1;
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
'stop_codon2' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence rev et non com
my $rev = reverse($sequence);
my $seq_length = length($sequence);
# on ne passe pas par la séquence complémentaire, on travaille seulement avec la reverse
# au lieu de chercher TAA On doit rechercher ATT
# TAG ATC
# TGA ACT
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
my @triplets_cadre2 = substr ($sequence, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
my @triplets_cadre4 = $rev =~ m/([A-Z]{3})/gi;
my @triplets_cadre5 = substr ( $rev, - ($seq_length - 1) ) =~ m/([A-Z]{3})/gi;
my @triplets_cadre6 = substr ( $rev, - ($seq_length - 2) ) =~ m/([[A-Z]{3})/gi;
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
'stop_codon3' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence rev et non com
my $seq_length = length($sequence);
# on ne passe pas par la séquence complémentaire, on travaille seulement avec la reverse
# au lieu de chercher TAA On doit rechercher ATT
# TAG ATC
# TGA ACT
# exemple pour la séquence ATGTCATGGGC
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
# ATG TCA TGG
# découpe 3 par 3 en commençant par le début de le premier nucléotide chaîne
pos($sequence) = 1;
my @triplets_cadre2 = $sequence =~ m/([A-Z]{3})/gi;
# TGT CAT GGG
# découpe 3 par 3 en commençant par le début de le deuxième nucléotide chaîne
pos($sequence) = 2;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
# GTC ATG GGC
# découpe 3 par 3 en commençant par le début de le troisième nucléotide chaîne
pos($sequence) = (length $sequence) % 3;
my @triplets_cadre4 = $sequence =~ m/([A-Z]{3})/gi;
# GTC ATG GGC
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit le dernier nucléotide de la chaîne de départ
pos($sequence) = ( (length $sequence) - 1) % 3;
my @triplets_cadre5 = $sequence =~ m/([A-Z]{3})/gi;
# TGT CAT GGG
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit l'avant dernier nucléotide de la chaîne de départ
pos($sequence) = ( (length $sequence) - 2) % 3;
my @triplets_cadre6 = $sequence =~ m/([[A-Z]{3})/gi;
# ATG TCA TGG
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit l'antépénultième nucléotide de la chaîne de départ
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
}); |
Partager