options du module Bio::Tools::Run::Alignment::Clustalw

**Jasmine80** · 03/12/2010, 10h37

Module Bio::Tools::Run::Alignment::Clustalw

J'aimerais que dans le fichier de sortie, les séquences soient regroupées selon la similarité :

Documentation de ClustalW : output format options

OUTPUT ORDER
You can decide in which order you want the sequences in the alignment appear. The options are:
1. ALIGNED: depending on the punctuation in the alignment: from more to less far away.
2. INPUT: the order is the same used by the user to introduce the sequences.

J'ajoute donc dans @params : -outputorder = ‘aligned’ mais cela ne change rien

avez-vous une idée du pourquoi?

merci

**Beniou** · 09/12/2010, 18h10

Bonjour,

Le paramètre est outorder et non outputorder.

**Jasmine80** · 10/12/2010, 07h02

Merci de me répondre, j'ai essayé avec 'outorder' => 'aligned' dans mon programme mais les séquences ne sont toujours pas regroupées par similarité.

**Beniou** · 10/12/2010, 12h33

Par défaut l'option ne serait pas configuré sur 'aligned' par hasard ?

Si tu mets l'option sur 'input' cela change quelque chose ?

En gros : quoi que tu mettes dans quel ordre sont tes séquences à l'arrivée ?

**Jasmine80** · 10/12/2010, 13h17

Par défaut, OUTPUT ORDER est mis sur 'input', et donc les séquences alignées ont le même ordre que les séquences du fichier d'entrée.

Fichier d'entrée :

>W02/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W04/1-97
GCAAGGTTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W07/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W8/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W09/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W14/1-97
GCAAGGTTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W15/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W18/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W35/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W49/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W55/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W58/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W59/1-97
GCAAGGTTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W98/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>W06K/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>W08K/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>W10K/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>W12K/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>W13K/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>WMF1.1/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>WMF1.2/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>CPTcan/1-97
GCAAGGNTGTGGTGCATTCGGTGAGCTATGCTGGTGTGGTA
>CPTcat/1-111
GTAAGCTTCTGGTGCATTCTTTCGCAACGTGCATTCGGTGAGCTACGCCGGTA
>CPTleo/1-282
GCCCGTTTATGAGATGACTCGTTCGTCGAACGCTCATATAACGGCATATTCGGTG

Sortie obtenue :

Il faudrait que la séquence CPTcan/1-97 soit placée près de celles du haut

Programme :

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
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
#------------------ sub_ClustalW.pl
 
use Bio::Perl;
use Bio::Tools::Run::Alignment::Clustalw;
use Bio::AlignIO::msf;
use Date::Calc qw(:all);
use FileHandle;
 
 
my ($start_year, $start_month, $start_day) = Today([+1]);
my ($start_hour, $start_min, $start_sec) = Now([+1]);
 
=h
use FileHandle;
 
 
my $way = 'P:/Perl/scripts2/ClustalW';
 
 
# écriture des calculs de ClustalW dans un fichier de sortie
my $fh = FileHandle->new($way.'/calc.txt');
close $fh;
 
close STDOUT;
open STDOUT, '>', $way.'P:/Perl/scripts2/ClustalW/calc.txt'
  or die "...";
=cut
 
 
 
my $rep = 'P:/Theorie/Jean_Francois/ClustalW/';
 
 
my @fichiers = glob ($rep."ITS2_SEQ-1.txt");
@fichiers = grep {$_ !~ /^\.\.?$/} @fichiers;
 
my @times_array;
 
 
foreach my $fich (@fichiers){
 
        # tester le nombre de séquences
        my $nbr_seq = 0;  
        my $in  = Bio::SeqIO->new(-file => $fich, '-format' => 'Fasta');
        while ( my $seq = $in->next_seq()){
            $nbr_seq++;
        }
        if($nbr_seq > 1){
            &ClustalW2 ($fich, $nbr_seq);
        }
        else{
            print "moins de 2 séquences pour $fich\n";
        }
}
 
 
# my @fichiers_msf = glob ($rep."*.msf");
# unlink (@fichiers_msf);
 
 
# calcul du temps d'exécution (prend 25 secondes)
my ($end_year,$end_month,$end_day) = Today([+1]);
my ($end_hour,$end_min,$end_sec) = Now([+1]);
my ($D_y, $D_m, $D_d, $Dh, $Dm, $Ds) =
      Delta_YMDHMS($start_year, $start_month, $start_day, $start_hour, $start_min, $start_sec,
                   $end_year, $end_month, $end_day, $end_hour,$end_min,$end_sec);
 
 
map {print "$_";} @times_array;
# nb on tient compte du jour car le script lancer le soir peut s'éxécuter sur 2 jours différents
# néanmoins, on ne tient compte du jour que dans le calcul et on n'affiche que le jour car 
# le script tournera moins de 24h
print "\nDate::Calc TOT : ";
print $Dh." h ".$Dm." min ".$Ds." sec\n";
 
 
 
 
 
sub ClustalW2 {
 
    my $file = $_[0];
    my $nbr_seq = $_[1];
 
    if (-e $file){
 
        my ($path) = ( $file =~ m/(.+)\.txt$/);
 
	my ($file_name) = $file =~ m{.+/(\w+)\.txt$};
 
        # on ne fait l'alignement que si le fichier .fsa
	# n'existe pas encore
	my $fich_fsa = $path.'.fsa';
 
	if ( ! -e $fich_fsa) {
 
		my ($start_year, $start_month, $start_day) = Today([+1]);
		my ($start_hour, $start_min, $start_sec) = Now([+1]);		
 
		my $fich_msf = $path.'.msf';
 
 
		# my $fich_msf_fh = FileHandle->new (">".$fich_msf);
		# close $fich_msf_fh;
 
		my @params = (	
 
			'gapopen' => 15,
			'ktuple' => 4, 
			'type' => 'dna', 
			'outfile' => $fich_msf, 
			'format' => 'Fasta',
			'outorder' => 'aligned',
		);
 
		# Bio::Perl : reads an array of sequences
		my @seq_array = read_all_sequences($file,'fasta');
 
		# and pass the factory a reference to that array
		my $seq_array_ref = \@seq_array;
		my $factory = Bio::Tools::Run::Alignment::Clustalw->new(@params);
		$factory->executable("C:/ClustalW2/clustalw2.exe");
		# $factory->executable("C:/ClustalW/clustalw.exe");
 
		my $aln = $factory->align($seq_array_ref);
 
		# création du fichier fasta
		my $in_msf  = Bio::AlignIO->new(-file => $fich_msf , -format => 'msf');
		my $out_fsa = Bio::AlignIO->new(-file => ">".$fich_fsa , -format => 'fasta');
 
		while ( my $aln = $in_msf->next_aln() ) {
		    $out_fsa->write_aln($aln);
		}
 
		# calcul du temps d'exécution (prend 25 secondes)
		my ($end_year,$end_month,$end_day) = Today([+1]);
		my ($end_hour,$end_min,$end_sec) = Now([+1]);
		my ($D_y, $D_m, $D_d, $Dh, $Dm, $Ds) =
		      Delta_YMDHMS($start_year, $start_month, $start_day, $start_hour, $start_min, $start_sec,
				   $end_year, $end_month, $end_day, $end_hour,$end_min,$end_sec);
 
		# nb on tient compte du jour car le script lancer le soir peut s'éxécuter sur 2 jours différents
		# néanmoins, on ne tient compte du jour que dans le calcul et on n'affiche que le jour car 
		# le script tournera moins de 24h
		push @times_array, "Date::Calc :\t$file_name\t".$Dh." h ".$Dm." min ".$Ds." sec\t$nbr_seq seq\n";		
 
	}
	else {
		print "\n ===> $fich_fsa existe déjà\n\n";
	}
 
    }
    else{
            print "\n ===> ERREUR AVEC LE FICHIER $file\n\n";
    }
}
 
 
 
 
 
 
=h
 
GAPOPEN   Default value DNA: 15.0
 
 
 
valeurs par défaut cf http://www.ebi.ac.uk/Tools/clustalw2/pairgap_frame.html
 
PARAMETER FOR ALIGNMENT COMPUTATION
 
 
KTUPLE
 
 Title       : KTUPLE
 Description : (optional) set the word size to be used in the alignment
               This is the size of exactly matching fragment that is used.
               INCREASE for speed (max= 2 for proteins; 4 for DNA),
               DECREASE for sensitivity.
               For longer sequences (e.g. >1000 residues) you may
               need to increase the default
 
TOPDIAGS
 
 Title       : TOPDIAGS
 Description : (optional) number of best diagonals to use
               The number of k-tuple matches on each diagonal
               (in an imaginary dot-matrix plot) is calculated.
               Only the best ones (with most matches) are used in
               the alignment.  This parameter specifies how many.
               Decrease for speed; increase for sensitivity.
 
WINDOW
 
 Title       : WINDOW
 Description : (optional) window size
               This is the number of diagonals around each of the 'best'
               diagonals that will be used.  Decrease for speed;
               increase for sensitivity.
 
PAIRGAP
 
 Title       : PAIRGAP
 Description : (optional) gap penalty for pairwise alignments
               This is a penalty for each gap in the fast alignments.
               It has little affect on the speed or sensitivity except
               for extreme values.
 
FIXEDGAP
 
 Title       : FIXEDGAP
 Description : (optional) fixed length gap penalty
 
FLOATGAP
 
 Title       : FLOATGAP
 Description : (optional) variable length gap penalty
 
MATRIX
 
 Title       : MATRIX
 Default     : PAM100 for DNA - PAM250 for protein alignment
 Description : (optional) substitution matrix used in the multiple
               alignments. Depends on the version of clustalw as to
               what default matrix will be used
 
               PROTEIN WEIGHT MATRIX leads to a new menu where you are
               offered a choice of weight matrices. The default for
               proteins in version 1.8 is the PAM series derived by
               Gonnet and colleagues. Note, a series is used! The
               actual matrix that is used depends on how similar the
               sequences to be aligned at this alignment step
               are. Different matrices work differently at each
               evolutionary distance.
 
               DNA WEIGHT MATRIX leads to a new menu where a single
               matrix (not a series) can be selected. The default is
               the matrix used by BESTFIT for comparison of nucleic
               acid sequences.
 
TYPE
 
 Title       : TYPE
 Description : (optional) sequence type: protein or DNA. This allows
               you to explicitly overide the programs attempt at
               guessing the type of the sequence.  It is only useful
               if you are using sequences with a VERY strange
               composition.
 
OUTPUT
 
 Title       : OUTPUT
 Description : (optional) clustalw supports GCG or PHYLIP or PIR or
                Clustal format.  See the Bio::AlignIO modules for
                which formats are supported by bioperl.
 
OUTFILE
 
 Title       : OUTFILE
 Description : (optional) Name of clustalw output file. If not set
               module will erase output file.  In any case alignment will
               be returned in the form of SimpleAlign objects
 
TRANSMIT
 
 Title       : TRANSMIT
 Description : (optional) transitions not weighted.  The default is to
               weight transitions as more favourable than other
               mismatches in DNA alignments.  This switch makes all
               nucleotide mismatches equally weighted.

Merci pour ton aide

**Beniou** · 10/12/2010, 15h52

Bon j'ai utilisé ton fichier fasta en entrée et voici le programme simplifié repris de ton code et adapté à mon architecture:

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
 
#!/usr/bin/perl -w
 
use strict;
 
use Bio::Perl;
use Bio::Tools::Run::Alignment::Clustalw;
use Bio::AlignIO::msf;
 
 
my $fich_msf = "res.msf";
my $fich_fsa = "res.fsa";
my $file = "in.fasta";
 
my @params = ('gapopen' => 15,
	      'ktuple' => 4, 
	      'type' => 'dna', 
	      'outfile' => $fich_msf, 
	      'format' => 'Fasta',
	      'outorder' => 'aligned',
	     );
 
my @seq_array = read_all_sequences($file,'fasta');
 
# and pass the factory a reference to that array
my $seq_array_ref = \@seq_array;
my $factory = Bio::Tools::Run::Alignment::Clustalw->new(@params);
$factory->executable("clustalw2");
# $factory->executable("C:/ClustalW/clustalw.exe");
 
my $aln = $factory->align($seq_array_ref);
 
# création du fichier fasta
my $in_msf  = Bio::AlignIO->new(-file => $fich_msf , -format => 'msf');
my $out_fsa = Bio::AlignIO->new(-file => ">".$fich_fsa , -format => 'fasta');
 
while ( my $aln = $in_msf->next_aln() ) {
  $out_fsa->write_aln($aln);
}

Voici le résultat du fichier msf (seulement la partie alignement) que j'obtiens :

W06K/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
W08K/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
W10K/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
W12K/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
W13K/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
WMF1.1/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
WMF1.2/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
CPTcat/1-111 GTAAGCTTCT GGTGCATTCT TTCGCAAC.G TGCATTCGGT GAGC.....T
W04/1-97 .......... ...GCAAGGT TGTG.....G TGCATTCGGT GAGC.....T
W14/1-97 .......... ...GCAAGGT TGTG.....G TGCATTCGGT GAGC.....T
W59/1-97 .......... ...GCAAGGT TGTG.....G TGCATTCGGT GAGC.....T
W98/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
CPTcan/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W58/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W55/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W49/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W35/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W18/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W15/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W09/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W8/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W07/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
W02/1-97 .......... ...GCAAGGN TGTG.....G TGCATTCGGT GAGC.....T
CPTleo/1-282 .......... ...GCCCGTT TATGAGATGA CTCGTTCGTC GAACGCTCAT

W06K/1-111 ACGCCGGTA. ........
W08K/1-111 ACGCCGGTA. ........
W10K/1-111 ACGCCGGTA. ........
W12K/1-111 ACGCCGGTA. ........
W13K/1-111 ACGCCGGTA. ........
WMF1.1/1-111 ACGCCGGTA. ........
WMF1.2/1-111 ACGCCGGTA. ........
CPTcat/1-111 ACGCCGGTA. ........
W04/1-97 ATGCTGGTGT GGTA....
W14/1-97 ATGCTGGTGT GGTA....
W59/1-97 ATGCTGGTGT GGTA....
W98/1-97 ATGCTGGTGT GGTA....
CPTcan/1-97 ATGCTGGTGT GGTA....
W58/1-97 ATGCTGGTGT GGTA....
W55/1-97 ATGCTGGTGT GGTA....
W49/1-97 ATGCTGGTGT GGTA....
W35/1-97 ATGCTGGTGT GGTA....
W18/1-97 ATGCTGGTGT GGTA....
W15/1-97 ATGCTGGTGT GGTA....
W09/1-97 ATGCTGGTGT GGTA....
W8/1-97 ATGCTGGTGT GGTA....
W07/1-97 ATGCTGGTGT GGTA....
W02/1-97 ATGCTGGTGT GGTA....
CPTleo/1-282 ATAACGGCAT ATTCGGTG

La fameuse séquence CPTcan/1-97 se retrouve bien vers les autres comme tu le veux...

Si je change outorder en input le résultat est dans bien l'ordre du fasta.

Petite remarque : si je ne mets pas outorder, j'ai bien mes séquences regroupées selon l'alignement et non l'ordre en entrée : donc pour moi l'option par défaut du paramètre outorder est bien 'aligned".

Deux autres remarques : je n'ai pas regardé le fichier fasta en résultat + quand j'exécute ce code j'ai des warnings du type (apparemment pour chaque séquence).

--------------------- WARNING ---------------------
MSG: In sequence W55 residue count gives end value 41.
Overriding value [97] with value 41 for Bio::LocatableSeq::end().
.............GCAAGGNTGTG.....GTGCATTCGGTGAGC.....TATGCTGGTGTGGTA....
---------------------------------------------------

Donc à priori mais dis-moi si je me trompe, ca à l'air de fonctionner chez moi. Je ne vois pas pourquoi cela ne fonctione pas chez toi à part peut être des différences dans les versions.
Pour info :
- Bioperl 1.6.1
- clustalW 2.0.12
- OS : Ubuntu

**Jasmine80** · 14/12/2010, 09h09

Un super grand merci pour ton aide, c'est vraiment très sympa.

C'est vraiment étrange que cela ne fonctionne pas chez moi.

J'ai le même warnings quand j'exécute ce code, je pense que c'est dû aux points qui font que le programme conclut que les séquences n'ont pas le même nombre de nucléotides et sont trop courtes.

J'utilise Windows WP et Bioperl 1.6.1

Je ne connais pas la version de ClustalW comment la connaitre? Peut-être devrais-je installer la dernière version.

**Beniou** · 14/12/2010, 10h07

Pour connaître la version de clustalW, pour ma part il suffit de que je lance en ligne de commande directement clustalw2 et j'obtiens cet écran :

**************************************************************
******** CLUSTAL 2.0.12 Multiple Sequence Alignments ********
**************************************************************

1. Sequence Input From Disc
2. Multiple Alignments
3. Profile / Structure Alignments
4. Phylogenetic trees

S. Execute a system command
H. HELP
X. EXIT (leave program)

Your choice:

Au pire si j'essaye de mettre une option après (qui n'existe pas) on obtient la version aussi:

bash$ clustalw2 --help

CLUSTAL 2.0.12 Multiple Sequence Alignments

Error: unknown option --help

**Jasmine80** · 14/12/2010, 10h17

J'ai la même version clustalW2 que toi , c'est étrange que ça ne fonctionne pas chez moi, je devrais essayer à la maison sur linux. Merci.

options du module Bio::Tools::Run::Alignment::Clustalw

Bioinformatique Perl

Discussions similaires

Partager

Partager