Discussion :

[Jasmine80]

C'est bizarre, les résultats me semblent plutôt pas mal avec ton jeu d'essais :

Oui, tu as raison. Je te présente mes excuses et j'espère que cela ne t'a pas fait perdre trop de temps mais à force de modifier mon programme dans tous les sens pour essayer de changer et de rechanger de regexp, j'avais laissé le 'print $sequence' de mes substitutions sans voir que tu avais récupéré la variable dans $subseq. Pardon.

Je suppose que cette expression régulière est plus performante que mes 2 substitutions, je vais la garder en mémoire pour la prochaine utilisation, merci beaucoup pour le temps que vous avez tous deux passé sur ce problème. Je vais clore le sujet. Quand je vois comme vous êtes doués en Perl, je me dis que j'ai encore énormément de chemin à faire, tant mieux car ça serait triste de ne plus pouvoir progresser.

[s.n.a.f.u]

Je suppose que cette expression régulière est plus performante que mes 2 substitutions, je vais la garder en mémoire pour la prochaine utilisation

C'est pas sûr. J'ai mené un petit test sur ma bécane antédiluvienne :

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
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
 
#!/usr/bin/perl
use warnings;
use Time::HiRes;
 
my @sequence = qw[
TCGCCCGCGGGGTTCAGCCGGCATTCGTGCCGGTGTACTTCCCCGTGGGCGGGCCAGCGTCGGTTTGGGCGGCCGGTCAAAGGCCCTCGGAATGTATCACCTGTAGACGTGACGATGTAACACGCCTGGACCGAGGAACGCGCTTCGGCTCGGACGCTGGCGTAATGGTCGTAAATGACCCGTCTTGAAACACGGACCTCTCGGGGTGTCTTATAGCCGAGGGTGCAATGCGGCCTTCGCCCGCGGGGTTTCGCCCGCGGGGTT
TCGCTCTGTAGACGTGACGATGTAACACGCGGGGTTCAGCCGGGCTTCGGCCCGGTGTACTTCCCCGCGGGCGGGCCAGCGTCGGTTTGGGCGGCCGGTCAAAGGCCTCCGGAATGTAGCGCCCTTCGGGGCGCCTTATAGCCGGGGGTGCAATGCGGCCAGCCTGGACCGAGGAACGCGCTTCGGCACGGACGCTGGCATATGATACCCATCCCTAGAACAGATATGGTTGTAAACGACCCGTCTTGAAACACGGACC
TCCGGTCCTCGAGCGTATGGGGCTTTGTCACCCGCTCAGTAGGTCGGGCCGGGGCCTTTGCCCTCTCCAACCTTTTTTTCCTTAGGTTGACCTCGGATCAGGTAGGGATACCCGCTGAACTTAAGCATATCAATAAGCGGAGGAAAAGAAACCAACCGGGATTGCCTCAGTAACGGCGAGTGAAGCGGCAAGAGCTCAAATTTGAAAGCTTGATACCGATCCCTAGAACAGATGGCCCCTCCGGGGTCCGCATTGTAATTTGCAGAGGATGC
TCCGGTCCTCGAGCGTATGGGGCTTTGTCACCCGCTCAGTAGGTCGGGCCGGGGCCTTTTGTAGACGTGACGATGTAACACGCCCTCTCCAACCTTTTTTTCCTTAGGTTGACCTCGGATCAGGTAGGGATACCCGCTGAACTTAAGCATATCAATAAGCGGAGGAAAAGAAACCAACCGGGATTGCCTCAGTAACGGCGAGTGAAGCGGCAAGAGCTCAAATTTGAAAGCTGATACCGATCCCTAGAACAGATTGGCCCCTCCGGGGTCCGCATTGTAATTTGCAGAGGATGCTTCGGGCTCAG
];
 
my $start  = 'TGTAGACGTGACGATGTAACAC';
my $end    = 'TGATACCGATCCCTAGAACAGAT';
my $middle = '[ACGT]{100,250}';
 
 
my $tsStart = Time::HiRes::time;
 
for($i=1; $i<5000; $i++) {
 
    open my $fh, '>', 'result.txt';
 
    foreach my $row (@sequence) {
        my ($subseq) = $row =~
        m/
        (?: .*(?=$start) )?
        (
            (?: ($start) ( $middle ) ($end) )
            |
            (?: ($start) ( $middle )        )
            |
            (?:          ( $middle ) ($end) )
        )
        /x;
 
        print $fh $subseq."\n" if ($subseq);
 
    }
 
    close $fh;
}
 
my $tsEnd = Time::HiRes::time;
 
print "-" x 30 . "\n";
printf("snafu = %f\n", $tsEnd - $tsStart);
print "-" x 30 . "\n";
 
$tsStart = Time::HiRes::time;
 
for($i=1; $i<5000; $i++) {
 
    open my $fh, '>', 'result.txt';
 
    foreach my $row (@sequence) {
        $row =~ s/.*(TGTAGACGTGACGATGTAACAC[ATCG]{100,250}).*/$1/;
        $row =~ s/.*?([ATCG]{100,250}TGATACCGATCCCTAGAACAGAT).*/$1/;
        print $fh $row."\n";
    }
 
    close $fh;
}
$tsEnd = Time::HiRes::time;
 
print "-" x 30 . "\n";
printf("Jasmine = %f\n", $tsEnd - $tsStart);
print "-" x 30 . "\n";

Résultat :

------------------------------
snafu = 42.155980
------------------------------
------------------------------
Jasmine = 42.359104
------------------------------

=> c'est kif kif

merci beaucoup pour le temps que vous avez tous deux passé sur ce problème. Je vais clore le sujet. Quand je vois comme vous êtes doués en Perl, je me dis que j'ai encore énormément de chemin à faire, tant mieux car ça serait triste de ne plus pouvoir progresser.

Je suis loin d'être une star en Perl, mais j'aime beaucoup ce langage.
Et comme je ne peux le pratiquer au boulot que de manière basique au vu des besoins , c'est toujours agréable d'avoir des problématiques autres à régler qui permette de progresser en pratiquant. Donc merci à toi aussi.

[Jasmine80]

Si j'utilise sur mes 5 séquences de test

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
	my ($subseq) = $sequence =~
	m/(
		(?: $start $middle $end  )
		|
		(?: $start $middle       )
		|
		(?:        $middle $end  )
	)/x;

J'obtiens le même résultat qu'avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
	my ($subseq) = $sequence =~
	m/
	(?: .*(?=$start) )?
	(
	    (?: ($start) ( $middle ) ($end) )
	    |
	    (?: ($start) ( $middle )        )
	    |
	    (?:          ( $middle ) ($end) )
	)
	/x;

... je me demande donc à quoi sert (?: .*(?=$start) )?
On s'attend à trouver 0 ou 1 occurrence de n'importe quoi suivi de $start qu'on ne récupère pas.


Merci pour ton aide.

[s.n.a.f.u]

... je me demande donc à quoi sert (?: .*(?=$start) )?
On s'attend à trouver 0 ou 1 occurrence de n'importe quoi suivi de $start qu'on ne récupère pas.

Sur les quatre lignes que tu nous a données, regardes ce qu'il se passe pour la quatrième si tu enlèves ce début d'expression...

=> ce petit bout de regex va se positionner juste avant le polynucléotide ouvrant s'il existe, ce qui fait sauter automatiquement les nucléotides précédents qui ne nous intéressaient pas.

N'est-ce pas le cas sur tes 5 cas de test ?

[Jasmine80]

Sur les quatre lignes que tu nous a données, regardes ce qu'il se passe pour la quatrième si tu enlèves ce début d'expression...

=> ce petit bout de regex va se positionner juste avant le polynucléotide ouvrant s'il existe, ce qui fait sauter automatiquement les nucléotides précédents qui ne nous intéressaient pas.

N'est-ce pas le cas sur tes 5 cas de test ?

... j'obtiens la même chose

les nucléotides précédents le polynucléotide1($start) vont d'office sauter dans (?: $start $middle $end ) et dans (?: $start $middle ) ... vu qu'on commence à récupérer $start ... donc je ne vois pas l'utilité de (?: .*(?=$start) )?

... je m'y perds, je commence à m'arracher les cheveux.

[s.n.a.f.u]

... j'obtiens la même chose

les nucléotides précédents le polynucléotide1($start) vont d'office sauter dans (?: $start $middle $end ) et dans (?: $start $middle ) ... vu qu'on commence à récupérer $start ...

Bah nan !

Une regex fonctionne caractère par caractère : si le premier caractère lu dans la chaîne ne fait pas partie de start, alors elle essaie d'appliquer (?: $middle $end ) et malheureusement, elle y arrive ! ... sauf si on l'a précisément positionné au début de start si elle existe. (la fonction pos() est également abordée dans le livre du hibou si ma mémoire est bonne, mais je ne me rappelle plus des subtilités)

Peux-tu me donner les exemples sur lesquels tu travailles, en MP si tu préfères.
Ne t'inquiète pas pour le prix Nobel, je ne comprends rien à la génétique et tes données sont en sécurité chez un ignorant.

[s.n.a.f.u]

C'est bon finalement ?

[Jasmine80]

Oui, c'est bon merci beaucoup pour ton aide.