tableau 2 dimensions

**angioedema** · 10/02/2010, 11h29

slt,

j'ai un petit problème avec les tableau à deux dimensions. En fait je fais un alignement de séquences avec clustalw et j'obtiens un fichier j'ai mis une version simplifié en piece jointe (il n'y a que 4 alignements mais en fait dans mon cas il y en a au moins 30). je dois en déduire une séquence concensus. Pour cela j'ai eu l'idée d'un tableau à deux dimensions avec sur chaque ligne une sequence

ex :
AGTCTTGAC --> seq 1
ATGCTAGCC --> seq 2

et pour en déduire la séquence concensus je lit ce tableau par colonne en comptant le nombre de chaque base et en déduit la base la plus présente.

voici 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
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
 
#!/usr/bin/perl
 
use strict; 
use warnings;  
use Cwd;  
use Bio::DB::GenBank; 
use Bio::SeqIO;
use File::Copy;
use Time::localtime;
use Bio::Tools::Run::Alignment::Clustalw;
use Bio::Perl;
 
 
open (TEST, ">>test") || die "cannot open file";
open (FILE, "ClustalW_result.txt") || die "cannot open file";
my @liste=("NC_003888.3","AL939106.1","NM_016286.2","AB013846.1");
foreach (@liste)
{
	$n=$_;
while (<FILE>)
	{
	if (/^accession_$n/)
		{
		$ligne3=$_;
		chomp $ligne3;
		@ligne=split(/accession_$n\s+/,$ligne3);
		$ligne2=join("",@ligne);
		$ligne.=$ligne2;
		@tab=split("",$ligne);
		}
                       $taille=$#tab;
		for ($i=0;$i<=$#liste;$i++)#remplis le tableau 
		{
			for ($j=0;$j<=$taille;$j++)
			{
			$test[$i][$j]=$tab[$j];
			}
		}
	}
 
}
	#print "$test[28][5]";
for ($j=0;$j<=$taille;$j++)# lecture par colonne et compte
{
 
	$c=0;$g=0;$p=0;$a=0;$t=0;
	for ($i=0;$i<=$#liste;$i++)
	{
		if ($test[$i][$j]=~m/\./i)
			{
			$p++;
			}
		if ($test[$i][$j]=~m/A/i)
			{
			$a++;
			}
		if ($test[$i][$j]=~m/T/i)
			{
			$t++;
			}
		if ($test[$i][$j]=~m/C/i)
			{
			$c++;
			}
		if ($test[$i][$j]=~m/G/i)
			{
			$g++;
			}
	}
	if ($p>$a && $p>$t && $p>$c && $p>$g)#comparaison et impression
	{
		print TEST ".";
	}
	if ($a>$p && $a>$t && $a>$c && $a>$g)
	{
		print TEST "A";
	}
	if ($t>$a && $t>$p && $t>$c && $t>$g)
	{
		print TEST "T";
	}
	if ($c>$a && $c>$t && $c>$p && $c>$g)
	{
		print TEST "C";
	}
	if ($g>$a && $g>$t && $g>$c && $g>$p)
	{
		print TEST "G";
	}
}
	print TEST "\n";

avec @liste une liste contenant les numéros d'accession correspondant à ceux du fichier.

je ne sais pas si ma solution est la mieux adaptée dans mon cas pour faire ce que je dois faire. si vous trouvez que ce n'est pas le cas, je suis ouverte à toutes propositions et remarques ^^

merci

**iblis** · 10/02/2010, 16h30

Il y a pas mal de problèmes avec ton script.

En vrac :

1. Le pragma strict n'est pas activé (Perl refuserait de compiler).

2. C'est plus clair d'assigner tes variables de boucle comme ceci

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
foreach my $access_code (@liste) { }
# et
while ( my $line = <FILE> ) { }

3. Tu devrais nommer tes variables de manière plus explicite, sinon tu ne comprendras pas ce que tu as fait d'ici quelques heures.

4. Pour extraire tes données tu split puis join un bout de ta ligne. Fais simple. Voilà ce que je crois que tu cherches à faire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
use strict; use warnings;
 
while ( my $line = <FILE> ) {
  next unless $line =~ s/^accession_([^\s]+)\s+//;
  my $access_code = $1;
  chomp $line;
  my @sequences = split ' ',  $line;
 
  # ...
}

...

Je n'ai pas bien compris ce que tu veux. Peux-tu donner un exemple de résultat sur la base des données que tu as là ?

**angioedema** · 11/02/2010, 17h36

je n'ai pas réellement une base de donnée mais un fichier de sorti avec la séquence concensus.

en fait par exemple j'ai trois séquences :

seq 1 --> AGTCGT
seq 2 --> ATGCGT
seq 3 --> TTGCTG

soit la séquence concensus obtenue : ATGCGT

Pour cela je met dans chaque ligne du tableau une séquence et afin de savoir quel nucléotide est le plus présent pour le premier nucléotide on compte par colonne le premier c't A le second est T ect ect...

je ne vois pas comment l'expliquer autrement. par contre je ne comprends pas ton bout de programme, je n'ai pas l'habitude de travailler et de faire ce genre de programme.

**iblis** · 12/02/2010, 07h14

J'ai mis du temps à comprendre comment étaient formatées tes données (eh oui, tes lignes de données sont discontinues !) et aussi ce que tu voulais obtenir : tu veux compter les occurrences des bases et retenir la base de plus grande fréquence à une position donnée.

(Tu noteras qu'il y a un travers : que fais-tu si deux bases sont de même fréquence ? Mais peu importe, on en prendra une au hasard).

Je te montre une façon propre de le faire (mais peut être un peu ardue si tu débutes en Perl).

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
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
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
use strict; use warnings;

# Parse file and build array
#
my %sequences;
while ( my $line = <DATA> ) {
  next unless $line =~ s/^accession_([^\s]+)\s+//;
  my $code = $1;
  my @bases =  split //,  $line;
  push @{ $sequences{$code} },  @bases ;
}
my @array = values %sequences;

# Compute occurences and sort bases by frequence
#
my @result;
my $last =  $#{ $array[0] };
for my $index ( 0..$last ) {
  my %occurences;
  my @column =  map { $_->[$index] } @array;
  for my $base ( @column ) {
    $occurences{$base}++;
  }
  my @bases_by_frequence =
    map { $_->[0] }
    sort { $b->[1] <=> $a->[1] }
    map { [ $_, $occurences{$_} ] }
    keys %occurences;
  push @result, $bases_by_frequence[0];
}

print  @result;


__DATA__

accession_NC_003888.3                     TGGGTATCCA TCCCTCAGCC GCCGCCCTCC TCGCCCGCTC CCATCGGCTC 
accession_AL939106.1                      TGGGTATCCA TCCCTCAGCC GCCGCCCTCC TCGCCCGCTC CCATCGGCTC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GGTGCCGATC CTCGCAACAC CAACTACGCC GGCGGCAACG CGTCCGCCAA 
accession_AL939106.1                      GGTGCCGATC CTCGCAACAC CAACTACGCC GGCGGCAACG CGTCCGCCAA 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GGGCACCGGG ACCGATCCCG TCACCGGGGG TGAGGTGGAG CTGATGTGGG 
accession_AL939106.1                      GGGCACCGGG ACCGATCCCG TCACCGGGGG TGAGGTGGAG CTGATGTGGG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     TCAAGGGGTC CGGCGGGGAC CTCGGGACGC TCACCGGGGC CGGGCTCGCC 
accession_AL939106.1                      TCAAGGGGTC CGGCGGGGAC CTCGGGACGC TCACCGGGGC CGGGCTCGCC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GTGCTGCGGC TGGACCGGAT GCGGGCGCTC AAGGACGTCT ACCCGGGCGT 
accession_AL939106.1                      GTGCTGCGGC TGGACCGGAT GCGGGCGCTC AAGGACGTCT ACCCGGGCGT 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 

accession_NC_003888.3                     CGAGCACGAG GACGAGATGG TCGCCGCCTT CGACTACTGC CTGCACGGCA 
accession_AL939106.1                      CGAGCACGAG GACGAGATGG TCGCCGCCTT CGACTACTGC CTGCACGGCA 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     AGGGCGGCGC CGCGCCCTCG ATCGACACGG CGATGCACGG GCTCGTCGAG 
accession_AL939106.1                      AGGGCGGCGC CGCGCCCTCG ATCGACACGG CGATGCACGG GCTCGTCGAG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GCCGCACACG TCGACCACCT CCACCCCGAC TCCGGCATCG CGCTGGCCTG 
accession_AL939106.1                      GCCGCACACG TCGACCACCT CCACCCCGAC TCCGGCATCG CGCTGGCCTG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     CGCGGCGGAC GGGGAGAAGC TGACCGCCGA GTGCTTCGGC GACACCGTGG 
accession_AL939106.1                      CGCGGCGGAC GGGGAGAAGC TGACCGCCGA GTGCTTCGGC GACACCGTGG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     TGTGGGTGCC GTGGCGGCGG CCCGGTTTCC AGCTCGGGCT GGACATCGCC 
accession_AL939106.1                      TGTGGGTGCC GTGGCGGCGG CCCGGTTTCC AGCTCGGGCT GGACATCGCC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GCCGTCAAGG AGGCCAACCC GCAGGCCGTC GGCTGTGTGC TCGGCGGGCA 
accession_AL939106.1                      GCCGTCAAGG AGGCCAACCC GCAGGCCGTC GGCTGTGTGC TCGGCGGGCA 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     CGGCATCACC GCGTGGGGCG ACACCTCCGA GGAGTGCGAG CGCAACTCGC 
accession_AL939106.1                      CGGCATCACC GCGTGGGGCG ACACCTCCGA GGAGTGCGAG CGCAACTCGC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     TGCACATCAT CCGCACCGCC GAGGCGTTCC TGGCCGAACG CGGGAAGGCC 
accession_AL939106.1                      TGCACATCAT CCGCACCGCC GAGGCGTTCC TGGCCGAACG CGGGAAGGCC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GAGCCGTTCG GTCCGGTCAT CCCGGCGTAC GCGGCGCTGC CCGAGGCCGA 
accession_AL939106.1                      GAGCCGTTCG GTCCGGTCAT CCCGGCGTAC GCGGCGCTGC CCGAGGCCGA 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     GCGGCGGGAG CGGGCGGCGG CGCTGGCGCC GTACGTCCGT GGTCTGGCGT 
accession_AL939106.1                      GCGGCGGGAG CGGGCGGCGG CGCTGGCGCC GTACGTCCGT GGTCTGGCGT 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     CCCGGGACCG GGCGCAGGTG GGACACTTCA CCGACGCGGA CGTGGTGCTG 
accession_AL939106.1                      CCCGGGACCG GGCGCAGGTG GGACACTTCA CCGACGCGGA CGTGGTGCTG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     GACTTCCTCG CGCGCGCCGA GCATCCGCGA CTCGCCGCGC TCGGCACCTC 
accession_AL939106.1                      GACTTCCTCG CGCGCGCCGA GCATCCGCGA CTCGCCGCGC TCGGCACCTC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     CTGCCCGGAC CACTTCCTGC GCACGAAGGT GCGGCCGCTG GTCCTGGACG 
accession_AL939106.1                      CTGCCCGGAC CACTTCCTGC GCACGAAGGT GCGGCCGCTG GTCCTGGACG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     TGGCGCCGAC CGCGCCGCTG GAGGAGGCGG TGGCCCGGCT CAAGGAGCTG 
accession_AL939106.1                      TGGCGCCGAC CGCGCCGCTG GAGGAGGCGG TGGCCCGGCT CAAGGAGCTG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     CACGCGGCCT ACCGCGAGGA GTACGCCGCC TACTACGAGC GGCACGCCGA 
accession_AL939106.1                      CACGCGGCCT ACCGCGAGGA GTACGCCGCC TACTACGAGC GGCACGCCGA 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 



accession_NC_003888.3                     GCCCGACTCC CCCGCCATGC GCGGCGCCGA CCCGGCGATC GTGCTGGTGC 
accession_AL939106.1                      GCCCGACTCC CCCGCCATGC GCGGCGCCGA CCCGGCGATC GTGCTGGTGC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     CGGGTGTCGG CATGTTCAGC TTCGGCAAGG ACAAGCAGAC CGCCCGGGTG 
accession_AL939106.1                      CGGGTGTCGG CATGTTCAGC TTCGGCAAGG ACAAGCAGAC CGCCCGGGTG 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     GCCGGCGAGT TCTACGTCAA CGCGATCAAC GTGATGCGCG GGGCCGAGGC 
accession_AL939106.1                      GCCGGCGAGT TCTACGTCAA CGCGATCAAC GTGATGCGCG GGGCCGAGGC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 

accession_NC_003888.3                     GGTGTCGACG TACGCGCCGA TCGAGGAGTC GGAGAAGTTC CGCATCGAGT 
accession_AL939106.1                      GGTGTCGACG TACGCGCCGA TCGAGGAGTC GGAGAAGTTC CGCATCGAGT 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 


accession_NC_003888.3                     ACTGGGCGCT GGAGGAGGCC AAGCTCCGGC GGATGCCGAG GCCGAAGC.C 
accession_AL939106.1                      ACTGGGCGCT GGAGGAGGCC AAGCTCCGGC GGATGCCGAG GCCGAAGC.C 
accession_NM_016286.2                     .......... .......... .......... ......TGGA GCTGTTCCTC 
accession_AB013846.1                      .......... .......... .......... ......TGGA GCTGTTCCTC 



accession_NC_003888.3                     GCTGGCCACC CGTGTCGCCC TGGTCACCGG CGCGGGCAGC GGGATCGGGA 
accession_AL939106.1                      GCTGGCCACC CGTGTCGCCC TGGTCACCGG CGCGGGCAGC GGGATCGGGA 
accession_NM_016286.2                     GCGGGCCGCC GG....GTGC TGGTCACCGG GGCAGGCAAA GGTATAGGGC 
accession_AB013846.1                      GCGGGCCGCC GG....GTGC TGGTCACCGG GGCAGGCAAA GGTATAGGGC 


accession_NC_003888.3                     AGGCGATCGC GCGGCGGCTG GTGGACGA.G GGCGCCTGTG TGGTCGTGGC 
accession_AL939106.1                      AGGCGATCGC GCGGCGGCTG GTGGACGA.G GGCGCCTGTG TGGTCGTGGC 
accession_NM_016286.2                     GCGGCACGGT CCAGGCGCTG CACGCGAC.G GGCGCGCGGG TGGTGGCTGT 
accession_AB013846.1                      GCGGCACGGT CCAGGCGCTG CACGCGAC.G GGCGCGCGGG TGGTGGCTGT 


accession_NC_003888.3                     CGACCTGAAC GCCGA..GAA CGC.GGCGGC GGTCGCCGAG GAGC.TGGGC 
accession_AL939106.1                      CGACCTGAAC GCCGA..GAA CGC.GGCGGC GGTCGCCGAG GAGC.TGGGC 
accession_NM_016286.2                     .GAGCCGGAC TCAGGCGGAT CTT.GACAGC CTTGTCCGCG AG...TGCCC 
accession_AB013846.1                      .GAGCCGGAC TCAGGCGGAT CTT.GACAGC CTTGTCCGCG AG...TGCCC 



accession_NC_003888.3                     GGG..GACGA CAAGGCCGTC GCCGTGACC. ........GT CGACGTCA.. 
accession_AL939106.1                      GGG..GACGA CAAGGCCGTC GCCGTGACC. ........GT CGACGTCA.. 
accession_NM_016286.2                     GGG..GATAG AAC....... .CCGTGTGC. ........GT GGACCTGG.. 
accession_AB013846.1                      GGG..GATAG AAC....... .CCGTGTGC. ........GT GGACCTGG.. 



accession_NC_003888.3                     CCTCCGAGGA GCAGATCGCC GCGGCGTTCC AGGCGGCCGC CCTCGCCTTC 
accession_AL939106.1                      CCTCCGAGGA GCAGATCGCC GCGGCGTTCC AGGCGGCCGC CCTCGCCTTC 
accession_NM_016286.2                     GTGACTGGGA GGCCACCGAG CGGGCGCT.. GGGCAGCG.. ........TG 
accession_AB013846.1                      GTGACTGGGA GGCCACCGAG CGGGCGCT.. GGGCAGCG.. ........TG 


accession_NC_003888.3                     GGCGGGGTCG ACCTGGTGGT CAACAACGCG GGGATCTCCA TCTCCAAGCC 
accession_AL939106.1                      GGCGGGGTCG ACCTGGTGGT CAACAACGCG GGGATCTCCA TCTCCAAGCC 
accession_NM_016286.2                     GGCCCCGTGG ACCTGCTGGT GAACAACGCC GCTGTCGCCC TGCTGCAGCC 
accession_AB013846.1                      GGCCCCGTGG ACCTGCTGGT GAACAACGCC GCTGTCGCCC TGCTGCAGCC 



accession_NC_003888.3                     GCTGCTGGAG ACCTCCGCGA AGGACTGGGA CCTCCAGCAC GACATCATGG 
accession_AL939106.1                      GCTGCTGGAG ACCTCCGCGA AGGACTGGGA CCTCCAGCAC GACATCATGG 
accession_NM_016286.2                     CTTCCTGGAG GTCACCAAGG AGGCCTTTGA CAGATCCTTT GAGGTGAACC 
accession_AB013846.1                      CTTCCTGGAG GTCACCAAGG AGGCCTTTGA CAGATCCTTT GAGGTGAACC 



accession_NC_003888.3                     CCCGCGGTTC CT.TCCTCGT CTCGCGCGAG GCCGCCCGGG TGATGACCGC 
accession_AL939106.1                      CCCGCGGTTC CT.TCCTCGT CTCGCGCGAG GCCGCCCGGG TGATGACCGC 
accession_NM_016286.2                     TGCGTGCGGT CA.TCCAGGT GTCGCAGATT GTGGCCAGGG GCTTAATAGC 
accession_AB013846.1                      TGCGTGCGGT CA.TCCAGGT GTCGCAGATT GTGGCCAGGG GCTTAATAGC 


accession_NC_003888.3                     GCAGGAGCTG GGCGGCGACA TCGTCTACAT CGCGTCGAAG AACGCCGTGT 
accession_AL939106.1                      GCAGGAGCTG GGCGGCGACA TCGTCTACAT CGCGTCGAAG AACGCCGTGT 
accession_NM_016286.2                     CCGGGGAGTC CCAGGGGCCA TCGTGAATGT CTCCAGCCAG TGCTCCCAGC 
accession_AB013846.1                      CCGGGGAGTC CCAGGGGCCA TCGTGAATGT CTCCAGCCAG TGCTCCCAGC 



accession_NC_003888.3                     TCGCCGGCCC GAACAACATC GCC.TACTCC GCCACCAAGG CCGACCAGGC 
accession_AL939106.1                      TCGCCGGCCC GAACAACATC GCC.TACTCC GCCACCAAGG CCGACCAGGC 
accession_NM_016286.2                     GGGCAGTAAC TAACCATAGC GTC.TACTGC TCCACCAAGG GTGCCCTGGA 
accession_AB013846.1                      GGGCAGTAAC TAACCATAGC GTC.TACTGC TCCACCAAGG GTGCCCTGGA 


accession_NC_003888.3                     CCATCAGGTG CGCCTGCTCG CCGCCGAGCT GGGCGAGCAC GGCATCCGCG 
accession_AL939106.1                      CCATCAGGTG CGCCTGCTCG CCGCCGAGCT GGGCGAGCAC GGCATCCGCG 
accession_NM_016286.2                     CATGCTGACC AAGGTGATGG CCCTAGAGCT CGGGCCCCAC AAGATCCGAG 
accession_AB013846.1                      CATGCTGACC AAGGTGATGG CCCTAGAGCT CGGGCCCCAC AAGATCCGAG 


accession_NC_003888.3                     TCAACGGCGT CAACCCGGAC GGCGTGGTGC GCGGTTCCGG GATCTTCGCG 
accession_AL939106.1                      TCAACGGCGT CAACCCGGAC GGCGTGGTGC GCGGTTCCGG GATCTTCGCG 
accession_NM_016286.2                     TGAATGCAGT AAACCCCACA GTGGTGATG. ACGTCCATGG G.....CCAG 
accession_AB013846.1                      TGAATGCAGT AAACCCCACA GTGGTGATG. ACGTCCATGG G.....CCAG 


accession_NC_003888.3                     GGCGGCTGGG GTGCCAAGCG GGCGGCGGTG TACGGCGTGC CGGAGGAGAA 
accession_AL939106.1                      GGCGGCTGGG GTGCCAAGCG GGCGGCGGTG TACGGCGTGC CGGAGGAGAA 
accession_NM_016286.2                     GCCACCTGGA GTGAC..... .......... CCCCACAAGG CCAAGACTAT 
accession_AB013846.1                      GCCACCTGGA GTGAC..... .......... CCCCACAAGG CCAAGACTAT 


accession_NC_003888.3                     GCTGGGCGAG TTCTACGCGC AGCGGACCCT GCTCAAGCGC GAGGTGCTGC 
accession_AL939106.1                      GCTGGGCGAG TTCTACGCGC AGCGGACCCT GCTCAAGCGC GAGGTGCTGC 
accession_NM_016286.2                     GCTGAACCGA ATCC.CACTT GGCA.AGTTT GCT....... GAGGTA.... 
accession_AB013846.1                      GCTGAACCGA ATCC.CACTT GGCA.AGTTT GCT....... GAGGTA.... 


accession_NC_003888.3                     CCGAGCACGT CGCCAACGCC GTGTTCGCGC TGACCGGCGG C.GACCTGAC 
accession_AL939106.1                      CCGAGCACGT CGCCAACGCC GTGTTCGCGC TGACCGGCGG C.GACCTGAC 
accession_NM_016286.2                     ..GAGCACGT GGTGAACGCC ATCCTCTTTC TGCTGAGTGA CCGAAGTGGC 
accession_AB013846.1                      ..GAGCACGT GGTGAACGCC ATCCTCTTTC TGCTGAGTGA CCGAAGTGGC 



accession_NC_003888.3                     GCACACCACC GGTCTGCACG TCCCGGTCGA CGCCGGCGTC GCCGCCGCGT 
accession_AL939106.1                      GCACACCACC GGTCTGCACG TCCCGGTCGA CGCCGGCGTC GCCGCCGCGT 
accession_NM_016286.2                     ATG.ACCACG GGTTCCACTT TGCCGGTGGA AGGGGGCTTC TGGGCC.... 
accession_AB013846.1                      ATG.ACCACG GGTTCCACTT TGCCGGTGGA AGGGGGCTTC TGGGCC.... 

accession_NC_003888.3                     TCCTGCGATG AG
accession_AL939106.1                      TCCTGCGATG AG
accession_NM_016286.2                     TGCTGAG... ..
accession_AB013846.1                      TGCTGA.... ..

Voilà ce que donne l'éxécution :

Code text :

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
 
T...TATCCA TCCCTCA.CC .CC.CCCTCC TC.CCC.CTC CCATC..CTC 
..T.CC.ATC CTC.CAACAC CAACTAC.CC ..C..CAAC. C.TCC.CCAA 
...CACC... ACC.ATCCC. TCACC..... T.A..T..A. CT.AT.T... 
TCAA....TC C..C....AC CTC...AC.C TCACC....C C...CTC.CC 
.T.CT.C..C T..ACC..AT .C...C.CTC AA..AC.TCT ACCC...C.T 
C.A.CAC.A. .AC.A.AT.. TC.CC.CCTT C.ACTACT.C CT.CAC..CA 
A...C..C.C C.C.CCCTC. ATC.ACAC.. C.AT.CAC.. .CTC.TC.A. 
.CC.CACAC. TC.ACCACCT CCACCCC.AC TCC..CATC. C.CT..CCT. 
C.C..C..AC ....A.AA.C T.ACC.CC.A .T.CTTC..C .ACACC.T.. 
T.T...T.CC .T..C..C.. CCC..TTTCC A.CTC...CT ..ACATC.CC 
.CC.TCAA.. A..CCAACCC .CA..CC.TC ..CT.T.T.C TC..C...CA 
C..CATCACC .C.T....C. ACACCTCC.A ..A.T.C.A. C.CAACTC.C 
T.CACATCAT CC.CACC.CC .A..C.TTCC T..CC.AAC. C...AA..CC 
.A.CC.TTC. .TCC..TCAT CCC..C.TAC .C..C.CT.C CC.A..CC.A 
.C..C...A. C...C..C.. C.CT..C.CC .TAC.TCC.T ..TCT..C.T 
CCC...ACC. ..C.CA..T. ..ACACTTCA CC.AC.C..A C.T..T.CT. 
.ACTTCCTC. C.C.C.CC.A .CATCC.C.A CTC.CC.C.C TC..CACCTC 
CT.CCC..AC CACTTCCT.C .CAC.AA..T .C..CC.CT. .TCCT..AC. 
T..C.CC.AC C.C.CC.CT. .A..A..C.. T..CCC..CT CAA..A.CT. 
CAC.C..CCT ACC.C.A..A .TAC.CC.CC TACTAC.A.C ..CAC.CC.A 
.CCC.ACTCC CCC.CCAT.C .C..C.CC.A CCC..C.ATC .T.CT..T.C 
C...T.TC.. CAT.TTCA.C TTC..CAA.. ACAA.CA.AC C.CCC...T. 
.CC..C.A.T TCTAC.TCAA C.C.ATCAAC .T.AT.C.C. ...CC.A..C 
..T.TC.AC. TAC.C.CC.A TC.A..A.TC ..A.AA.TTC C.CATC.A.T 
ACT...C.CT ..A..A..CC AA.CTCC..C ..AT.CTGAA GCTGAACCTC 
GCTGGCCACC CGT.TCGTCC TGGTCACCGG CGCAGGCAAA GGTATAGGGA 
ACGCCATCGT CCAGCCGCTG CACGACAA.G GGCGCCTGTG TGGTCGTTGT 
CGACCTGAAC TCAGAC.GAA CTT.GACAGC CTTCTCCGAG AA.C.TGCCC 
GGG..GATAA AAA..CC.TC .CCGTGACC. ........GT CGACCTCA.. 
CTTACTAGGA GCACATCGAC CCGGCGTTCC AGGCAGCC.C CCTC.CCTTC 
GGCCCCGTCG ACCTGCTGGT CAACAACGCC GCTATCTCCA TCTTCAAGCC 
CTTCCTGGAG ATCACCAAGA AGGACTTTGA CATATACTAT GACATCAACC 
TCCGTGCTTT CA.TCCACGT CTCGCACAAT GTCGCCAGGG TCATAATAGC 
CCAGGAACTC CCAGGCGACA TCGTCAATAT CTCCACCAAG AACTCCCAGT 
TCGCAGTAAC TAACAATATC GTC.TACTCC TCCACCAAGG CTGACCAGGA 
CAATCAGATC AACCTGATCG CCCTAGAGCT CGGCCACCAC AACATCCGAG 
TCAATGCAGT AAACCCCAAA GTCGTGATGC ACGTTTATGG GATCTTCCAG 
GCCACCTGGA GTGACAA.C. ..C..C..T. TACCACAAGC CCAAGAATAA 
GCTGAACCAA ATCTACACTT AGCA.ACTTT GCTCAA.C.C GAGGTACT.C 
CCGAGCACGT CGTCAACGCC ATCTTCTTTC TGATCAGTGA CCGAACTGAC 
ATACACCACC GGTTTCAATT TCCCGGTCGA AGCCGGCTTC TCCGCC.C.T

Quelques explications maintenant.

1. On lit chaque ligne. On ignore les lignes vides ; au passage on récupère le code qui identifie la ligne de donnée (le code qui suit accession_). On fait un tableau où chaque élément est une base (@bases) grâce à un split dont le séprateur est vide. On range chacun de ses tableaux dans une table associative (un hash) dont la clé identifie la ligne de donnée (ton code accession_ machin). Quand on a fini on transforme le hash en tableau (à 2 dimensions, donc).

2. Ensuite on compte les occurences pour chaque colonne. Pour ça on les parcourt par leur indice et on construit un hash (%occurences), dont les clés sont les bases ; les valeurs du hash sont incrémentés à chaque occurence. Ensuite on trie par ordre décroissant les bases (les clés du hash) en fonction du nombre d'occurence (la valeur associée à la clé). On met le tout dans un tableau. Et on met son premier élément (la base de plus grande fréquence) dans un tableau de résultat (@result).

3. On imprime.

Le tri du hash utilise une technique très courante en Perl, dite transformée de Schwartz. En gros, on contruit avec map des couples formés (1) de la base (la clé de notre hash) et (2) de son nombre d'occurence (la valeur de notre hash), on passe ces couples passe à sort qui les trie en prenant (2) comme critère, puis on passe ces couples à map qui renvoie la liste d'élément qui nous intéresse, les bases, mais cette fois triées par occurences.

Ah oui, j'oubliais, cette construction se lit de bas en haut.

Bien sûr pour lire les données depuis un fichier, tu fais:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

open my $fh, '<', 'ClustalW_result.txt' or die "$!";

et tu remplaces <DATA> par <$fh>.

Autres conseils. Indente correctement ton code (perltidy). Utilise des noms de variables qui font sens. N'oublie pas les pragmas strict et warnings. Ton code était difficilement compréhensible et probablement pas compilable.

J'espère que ça te donne des idées. Demande ce que tu ne comprends pas.

PS : J'ai bien aimé ton :

Envoyé par angioedema

(...) je n'ai pas l'habitude de travailler (...)

**Jasmine80** · 12/02/2010, 09h09

Pourquoi ne pas simplement utiliser un module permettant de créer un consensus à partir d'un alignement?

Bio::SimpleAlign - Multiple alignments held as a set of sequences

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
 $str = Bio::AlignIO->new(-file => 'ClustalW_result.txt');
 $aln = $str->next_aln();
 
  # Describe
  print $aln->consensus_string(100);

100 est le seuil, cela signifie de ne récupérer que les nucléotides présents à 100% donc dans toutes les séquences. Pour ce qui est de la plus fréquente tu peux utiliser le seuil 0%.

**iblis** · 12/02/2010, 12h08

Bonjour Jasmine.

J'ai rigolé de toutes les couleurs quand j'ai vu ton post :

J'aurais dû me douter qu'il y avait des modules, au moins pour lire les données, mais bon, comme Angioedema faisait tout à la main, j'ai plongé.

De là à tout faire en une ligne avec un seul module...

Bref, ça lui montrera une ou deux techniques Perl, pour quand y pas un module tout prêt sur le CPAN

**Jasmine80** · 12/02/2010, 13h33

Envoyé par iblis

De là à tout faire en une ligne avec un seul module...

Bref, ça lui montrera une ou deux techniques Perl, pour quand y pas un module tout prêt sur le CPAN

Oui, c'est jamais du temps perdu de coder, on apprend toujours quelque chose surtout quand on débute. La morale de l'histoire, c'est qu'il vaut toujours mieux faire une recherche de module sur le CPAN avant de se plonger dans un nouveau script, dans ce cas-ci 'BIO sequences alignment'. Reste à voir si le module fait bien ce qu'il veut, dans le cas contraire il pourra toujours se retourner sur sa première idée.

**angioedema** · 12/02/2010, 19h09

merci beaucoup pour vos réponses. Je n'ai pas vraiment la possibilité de travailler mon script durant ce weekend. Mais pour ce que j'ai vu ceci à l'air de répondre entièrement à ma question.

j'avoue que je ne pense pas automatiquement aux modules, ayant eu des cours de PERL non avancé, les modules ne me viennent pas tout de suite à l'esprit ^^' et mes profs de prog ont tendance à nous faire faire les scripts alors qu'une solution (fonctions, modules) plus simple existe.

Merci encore et puis même si je passe par le module Bio::SimpleAlign, je remercie iblis pour sa solution, je sais comment faire du coup ^^ je n'ai pas un niveau élevé en PERL j'ai juste à faire un programme pour des profs de bioch et avec 15h de cours sans avoir jamais abordé les modules (ni les tableaux à deux dimensions d'ailleurs) j'apprends un peu sur le tas

merci beaucoup

**Jasmine80** · 15/02/2010, 09h18

Envoyé par angioedema

j'ai juste à faire un programme pour des profs de bioch et avec 15h de cours sans avoir jamais abordé les modules

Si c'est un script à faire pour des profs, peut-être dois-tu l'écrire sans utiliser de module.

**angioedema** · 15/02/2010, 13h30

cela leur est égal tant que le programme fais ce qu'il désire. Après c'est un prof de BioPerl qui va corriger et améliorer le programme afin que les biochimiste puisse l'utiliser plus facilement. dans le package que je vais leur fournir je leur met les deux solutions ainsi ils choisirons le mieux pour eux.

encore merci ^^

**angioedema** · 18/02/2010, 15h35

juste j'aimerais savoir comment ferais-tu iblis pour avoir le même script (ou pratiquement) sauf que chaque fois qu'il y a une égalité de bases, celle-ci n'est pas choisie aléatoirement mais est remplacer à cette position par un "."?

merci ^^

**iblis** · 21/02/2010, 18h53

Bonjour. Je n'avais pas vu ta question subsidiaire

.

Si tu te rappelles bien (sinon relis les explications) pour chaque colonne, on fait une table d'occurrence des bases, puis on trie par ordre décroissant de fréquence et on range ça dans un tableau. Enfin, on a plus qu'a prendre le premier élément du tableau.

Donc maintenant pour traiter le cas des fréquences identiques, il suffit de ranger le nombre d'occurrences avec les bases dans le tableau puis au moment de "pousser" la base de plus grande fréquence dans le tableau de résultat, vérifier que les deux premiers éléments n'ont pas un même nombre d'occurrence associé ; et si oui, pousser '.' à place.

Il y a une toute petite complication du fait qu'on traite les " " et les "\n" comme des données, ça évitait de re-formater. Donc là il suffit de bien vérifier que ce sont des bases avant de mettre '.' si les deux premiers sont de même fréquence.

Tu vois le topo ?

Allez, assez de blabla. Voilà le 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
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
use strict; use warnings;
 
# Parse file and build array
#
my %sequences;
while ( my $line = <DATA> ) {
  next unless $line =~ s/^accession_([^\s]+)\s+//;
  my $code = $1;
  my @bases =  split //,  $line;
  push @{ $sequences{$code} },  @bases ;
}
my @array = values %sequences;
 
# Compute and reverse sort occurence of bases
#
my @result;
my $last =  $#{ $array[0] };
for my $index ( 0..$last ) {
  my %occurences;
  my @column =  map { $_->[$index] } @array;
  for my $base ( @column ) {
    $occurences{$base}++;
  }
  my @bases_and_count =
    sort { $b->[1] <=> $a->[1] }
    map { [ $_, $occurences{$_} ] }
    keys %occurences;
  if ( $bases_and_count[0]->[0] =~ /[acgt]/i 
    and defined $bases_and_count[1]
    and $bases_and_count[0]->[1] == $bases_and_count[1]->[1]) {
      push @result, '.';
    }
  else {
    push @result, $bases_and_count[0]->[0];    
  }   
}
 
print  @result;
 
 
__DATA__
 
accession_NC_003888.3                     TGGGTATCCA TCCCTCAGCC GCCGCCCTCC TCGCCCGCTC CCATCGGCTC 
accession_AL939106.1                      TGGGTATCCA TCCCTCAGCC GCCGCCCTCC TCGCCCGCTC CCATCGGCTC 
accession_NM_016286.2                     .......... .......... .......... .......... .......... 
accession_AB013846.1                      .......... .......... .......... .......... .......... 
 
 
accession_NC_003888.3                     GCTGGGCGAG TTCTACGCGC AGCGGACCCT GCTCAAGCGC GAGGTGCTGC 
accession_AL939106.1                      GCTGGGCGAG TTCTACGCGC AGCGGACCCT GCTCAAGCGC GAGGTGCTGC 
accession_NM_016286.2                     GCTGAACCGA ATCC.CACTT GGCA.AGTTT GCT....... GAGGTA.... 
accession_AB013846.1                      GCTGAACCGA ATCC.CACTT GGCA.AGTTT GCT....... GAGGTA.... 
 
 
accession_NC_003888.3                     CCGAGCACGT CGCCAACGCC GTGTTCGCGC TGACCGGCGG C.GACCTGAC 
accession_AL939106.1                      CCGAGCACGT CGCCAACGCC GTGTTCGCGC TGACCGGCGG C.GACCTGAC 
accession_NM_016286.2                     ..GAGCACGT GGTGAACGCC ATCCTCTTTC TGCTGAGTGA CCGAAGTGGC 
accession_AB013846.1                      ..GAGCACGT GGTGAACGCC ATCCTCTTTC TGCTGAGTGA CCGAAGTGGC 
 
 
accession_NC_003888.3                     GCACACCACC GGTCTGCACG TCCCGGTCGA CGCCGGCGTC GCCGCCGCGT 
accession_AL939106.1                      GCACACCACC GGTCTGCACG TCCCGGTCGA CGCCGGCGTC GCCGCCGCGT 
accession_NM_016286.2                     ATG.ACCACG GGTTCCACTT TGCCGGTGGA AGGGGGCTTC TGGGCC.... 
accession_AB013846.1                      ATG.ACCACG GGTTCCACTT TGCCGGTGGA AGGGGGCTTC TGGGCC.... 
 
accession_NC_003888.3                     TCCTGCGATG AG
accession_AL939106.1                      TCCTGCGATG AG
accession_NM_016286.2                     TGCTGAG... ..
accession_AB013846.1                      TGCTGA.... ..

Dis ce que tu ne comprends pas. Tu n'as pas posé de question sur le code que je t'ai montré donc j'ai pensé que tu avais suivi avec raison la voie du module du CPAN qui fiat ça et certainement plus tout comme il faut. Mais là l'idée est d'apprendre, n'est-ce pas ?

**angioedema** · 23/02/2010, 12h00

j'ai étudié les deux solutions en fait ^^ et je n'ai pas eu à te poser d'autres questions puisqu'en fait avec tes explications et quelques recherches j'ai pu plutot bien comprendre ton bout de code. Seulement n'étant pas familiarisé avec ce "style" de codage, je rame encore un peu ^^'
merci pour tout, ainsi je peux comprendre et apprendre grace à ton aide ^^

tableau 2 dimensions

Bioinformatique Perl

Discussions similaires

Partager

Partager