Bonjour,

Je n'en sors pas avec le Perl orienté objet, pourtant j'ai utilisé les tutoriaux mais c'est compliqué.

J'entre un accession (ex DQ303459) et j'aimerais trouver les sous séquences (gènes) de la séquence entrée. (ex gène PemK)

J'ai essayé aver les objets de Genbank mais peut-être vaudrait-il mieux directement aller rechercher des gènes en recherchant les liens vers les sous-séquences sur le site. Faire la recherche avec l'ACC et ensuite lire le code source de la page affichée contenant les informations afin de retrouver les liens vers les sous-séquences (gene pemK) de la séquence cible (DQ303459)...je ne sais pas si ma question est claire.

exemple

recherche pour DQ303459

http://www.ncbi.nlm.nih.gov/entrez/v...e&val=90019040

pour retrouver la sous-séquence correspondant au gène PemK

gene <1..283
/gene="pemK"
CDS <1..283
/gene="pemK"
ouvrir la page via le lien de "gene" (qui apparait en lien)


Au lieu de cette approche, je fais appel à l'objet correspondant à mon ACC recherché (DQ303459) et je recherche les positions de début et de fin de chaque gène dans l'idée de faire par la suite un split sur la séquence de référence.



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
#!/usr/local/bin/perl
 
 
#------------------- Dumper.pl -------------------------------------------#
#    Ce programme interroge GenBank et donne les genes et leur position   #
#    des séquences dont on a entré l'accession                            #
#-------------------------------------------------------------------------#
 
 
use Bio::Perl;
use strict;
use warnings;
use FileHandle;
use Data::Dumper;
 
 
 
my $db="nucleotide";
my $mindate="";
my $maxdate="";
my $reldate="";
my $datetype="";
my $ids="";
my $maxids="";
my $query_string = 'DQ303459';
 
 
my $OutFile = FileHandle->new (">P:/Perl/scripts/Files/SousSeq.doc");
 
 
 
my $query = Bio::DB::Query::GenBank->new(-db=>$db,
                                    -query=>$query_string,
				    -mindate => $mindate,
				    -maxdate => $maxdate,
                                    -reldate => $reldate,
                                    -datetype => $datetype,
                                    -ids => $ids,
                                    -maxids => $maxids
                                  );
 
my %Informations;
my $Ref=\%Informations;
my @Acc;
my @NomGene;
my $NombreObjets;
my $i = 0;   # différents accessions
my $s = 0;   # différents genes
 
my $gb = new Bio::DB::GenBank;
my $stream = $gb->get_Stream_by_query($query);
while (my $seq = $stream->next_seq)
{
      $i++;
 
      $Acc[$i]= $seq->accession_number();
      $Informations{$Acc[$i]}{"Sequence"}= $seq->seq();
 
 
        my @Features = $seq->get_SeqFeatures;
 
 
        $NombreObjets = @Features."\n";
 
 
        for ($s=0; $s<$NombreObjets; $s++)
        {
 
                my $Features = $Features[$s];  # avance block par block gâce à $s
                foreach my $k (keys %$Features)
                {
 
 
 
                        if ($k eq "_gsf_tag_hash")
                        {
 
                                my $InfoGene=($Features->{$k});
                                my @Gene="";
                                $NomGene[$s]="";
                                @Gene=($InfoGene->{'gene'});
                                $NomGene[$s]=${$Gene[0]}[0];
 
                                if($NomGene[$s] ne "")  # vérifie que l'on soit dans un block décrivant un gène
                                {
                                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"Gene"}=${$Gene[0]}[0];
                                }
 
 
                        }
 
 
 
                        if ($k eq "_primary_tag")
                        {
                                if($NomGene[$s] ne "")
                                {
                                        my $InfoTag=($Features->{$k});
                                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"Tag"}=$InfoTag;
                                }
                        }
 
                        if ($k eq "_location")
                        {
                                if($NomGene[$s] ne "")
                                {
                                        my $InfoLocalisation=($Features->{$k});
                                        my $Debut="";
                                        $Debut=($InfoLocalisation->{'_start'});
                                        if (($Debut eq "") | ($Debut eq "undef"))
                                        {
                                                $Debut=($InfoLocalisation->{'_max_start'});
 
                                        }
                                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"Debut"}=$Debut;
                                        my $Fin="";
                                        $Fin=($InfoLocalisation->{'_end'});
                                        if (($Fin eq "") | ($Fin eq "undef"))
                                        {
                                                $Fin=($InfoLocalisation->{'_max_end'});
 
                                                if (($Fin eq "") | ($Fin eq "undef"))
                                                {
                                                        $Fin=($InfoLocalisation->{'_min_end'});
                                                }
 
                                        }
                                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"Fin"}=$Fin;
                                }
                        }
 
 
                }
 
                if (($Informations{$Acc[$i]}{$NomGene[$s]}{"Gene"} ne "") & ($Ref->{$Acc[$i]}{$NomGene[$s]}{"Tag"} eq "CDS"))
                {
                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"Long"}=$Ref->{$Acc[$i]}{$NomGene[$s]}{"Fin"}-$Ref->{$Acc[$i]}{$NomGene[$s]}{"Debut"}+1;
                        $Ref->{$Acc[$i]}{$NomGene[$s]}{"SousSeq"}=substr($Ref->{$Acc[$i]}{"Sequence"},$Ref->{$Acc[$s]}{"Debut"}, $Ref->{$Acc[$i]}{$NomGene[$s]}{"Long"});
 
 
 
 
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$s]}{"Gene"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$s]}{"Tag"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$s]}{"Debut"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$s]}{"Fin"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$s]}{"Long"}."\n";
                        print $OutFile "Sous-sequence ".$Ref->{$Acc[$i]}{$NomGene[$s]}{"SousSeq"}."\n\n";
 
 
 
                }
 
 
                if (exists $Ref->{$Acc[$i]}{$NomGene[$s]}{"Gene"})
                {
                        print "\t".$s."\t".$Ref->{$Acc[$i]}{$NomGene[$s]}{"Gene"}."\t".$Ref->{$Acc[$i]}{$NomGene[$s]}{"Tag"}."\t".$Ref->{$Acc[$i]}{$NomGene[$s]}{"Debut"}."\t".$Ref->{$Acc[$i]}{$NomGene[$s]}{"Fin"}."\n";
                }
        }
 
 
 
}
 
Total();
 
#SousSeq();
 
 
 
 
close;
 
 
sub Total
{
        print $OutFile "TOTAL POUR LES GENES\n";
        print "TOTAL POUR LES GENES\n";
 
        for (my $j=0; $j<=$NombreObjets; $j++)
        {
 
                if (exists $Ref->{$Acc[$i]}{$NomGene[$j]}{"Gene"})
                {
                        print "Info ".$j."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$j]}{"Gene"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$j]}{"Tag"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$j]}{"Debut"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$j]}{"Fin"}."\n";
 
 
                        print $Ref->{$Acc[$i]}{$NomGene[$j]}{"Gene"}."\t";
                        print $Ref->{$Acc[$i]}{$NomGene[$j]}{"Tag"}."\t";
                        print $Ref->{$Acc[$i]}{$NomGene[$j]}{"Debut"}."\t";
                        print $Ref->{$Acc[$i]}{$NomGene[$j]}{"Fin"}."\n";
                }
        }
 
 
}
 
 
sub SousSeq
{
        print $OutFile "CDS\n";
 
        for (my $l=0; $l<$NombreObjets; $l++)
        {
                if (($Ref->{$Acc[$i]}{$NomGene[$l]}{"Gene"} ne "") & ($Ref->{$Acc[$i]}{$NomGene[$l]}{"Tag"} eq "CDS"))
                {
                        $Ref->{$Acc[$i]}{$NomGene[$l]}{"Long"}=$Ref->{$Acc[$l]}{$NomGene[$l]}{"Fin"}-$Ref->{$Acc[$i]}{$NomGene[$l]}{"Debut"};
                        $Ref->{$Acc[$i]}{$NomGene[$l]}{"SousSeq"}=substr($Ref->{$Acc[$i]}{"Sequence"},$Ref->{$Acc[$i]}{"Debut"}, $Ref->{$Acc[$i]}{$NomGene[$l]}{"Long"});
 
 
                        print  $Ref->{$Acc[$i]}{$NomGene[$l]}{"Gene"}."\t";
                        print  $Ref->{$Acc[$i]}{$NomGene[$l]}{"Tag"}."\t";
                        print  $Ref->{$Acc[$i]}{$NomGene[$l]}{"Debut"}."\t";
                        print  $Ref->{$Acc[$i]}{$NomGene[$l]}{"Fin"}."\t";
                        print  $Ref->{$Acc[$i]}{$NomGene[$l]}{"Long"}."\n";
                        print  "Sous-sequence ".$Ref->{$Acc[$i]}{"SousSeq"}."\n";
 
 
 
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$l]}{"Gene"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$l]}{"Tag"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$l]}{"Debut"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$l]}{"Fin"}."\t";
                        print $OutFile $Ref->{$Acc[$i]}{$NomGene[$l]}{"Long"}."\n";
                        print $OutFile "Sous-sequence ".$Ref->{$Acc[$i]}{$NomGene[$l]}{"SousSeq"}."\n";
 
 
 
                }
        }
 
 
}

J'ai fait une query complexe avec l'idée de pouvoir ultérieurement entrer le nom précis du gène recherché pour une série d'Acc et d'obtenir en retour les différentes séquences de ce gène.



J'obtiens en sortie

1 pemK gene 1 283
2 pemK CDS 1 283
5 tnpA ISEcpI gene 532 1840
6 tnpA ISEcpI -10_signal 532 537
7 tnpA ISEcpI CDS 578 1840
8 blaCTX-M-54 gene 1944 3050
9 blaCTX-M-54 -35_signal 1944 1949
10 blaCTX-M-54 -10_signal 1968 1973
11 blaCTX-M-54 misc_feature 1978 1978
13 blaCTX-M-54 CDS 2175 3050
16 tnpA gene 3175 4063
17 tnpA CDS 3175 4063


TOTAL POUR LES GENES

Info 1 pemK CDS 1 283
Info 2 pemK CDS 1 283
Info 5 tnpA ISEcpI CDS 578 1840
Info 6 tnpA ISEcpI CDS 578 1840
Info 7 tnpA ISEcpI CDS 578 1840
Info 8 blaCTX-M-54 CDS 2175 3050
Info 9 blaCTX-M-54 CDS 2175 3050
Info 10 blaCTX-M-54 CDS 2175 3050
Info 11 blaCTX-M-54 CDS 2175 3050
Info 13 blaCTX-M-54 CDS 2175 3050
Info 16 tnpA CDS 3175 4063
Info 17 tnpA CDS 3175 4063
La première colonne donnant le nom du gène, la seconde le type de séquence, puis la position de début, celle de fin et la dernière la longueur.

POURQUOI ai-je deux tableaux différents en sortie? Le second étant faux car les dernières colonnes changent. Pourriez-vous me donner l'explication s'il vous plait. Merci

Voici la structure de mon objet.

$VAR2 = bless( {
'_gsf_tag_hash' => {
'gene' => [
'pemK'
]
},
'_source_tag' => 'EMBL/GenBank/SwissProt',
'_gsf_seq' => $VAR1->{'_gsf_seq'},
'_location' => bless( {
'_seqid' => 'DQ303459',
'_start_pos_type' => 'BEFORE',
'_end_pos_type' => 'EXACT',
'_location_type' => 'EXACT',
'_max_end' => '283',
'_min_end' => '283',
'_strand' => 1,
'_min_start' => undef,
'_max_start' => '1',
'_root_verbose' => 0
}, 'Bio::Location::Fuzzy' ),
'_primary_tag' => 'gene'
}, 'Bio::SeqFeature::Generic' );

Auriez-vous une approche moins lourde?


Jasmine,