Discussion :

[joyeux2000]

Bonjour,
j'ai télécharger une séquence upstream(en amont du gène) à partir d'une base de donnée sous le format Fasta.
je veux déterminer la position en -XXX pb.
mais parfois il y a des séquences qui sont marquées FORWARD d'autres REVERSE. y a t'il différence entre les deux?
exemple1:
>XXXXXX FORWARD ATCGATCGATCGATCG.
position: -???? pb

>YYYYYY REVERSE ATCGATCGATCGATCG.
position: -???? pb
quelqu'un peut m'aider SVP pour déterminer la position des séquences colorés en rouge.
merci d'avance
cordialement

[Jasmine80]

mais parfois il y a des séquences qui sont marquées FORWARD d'autres REVERSE. y a t'il différence entre les deux?
exemple1:
>XXXXXX FORWARD ATCGATCGATCGATCG.
position: -???? pb

>YYYYYY REVERSE ATCGATCGATCGATCG.
position: -???? pb

A partir de quelle base de données? Cela provient de l'ADN qui est double brin tu as la séquence forward et la reverse.

quelqu'un peut m'aider SVP pour déterminer la position des séquences colorés en rouge.
merci d'avance
cordialement

Tu dois utiliser une expression régulière.

Que veux-tu rechercher, le motif ATCG. Ce motif est-il toujours précédé de xxx et suivi de xxxx ? Ce motif est trop petit que pour être cherché tel quel, tu peux le trouver facilement par hasard. Tu dois déterminer d'autres critères de recherche, comme par exemple les nucléotides devant précéder et suivre ce motif.


Voila à quoi doit ressembler le script : tu peux modifier l'expression régulière m/(ATCG)/ par m/ATCG(ATCG)ATCG/ afin de rechercher un motif plus grand.

Le module Bio::SeqIO te permet de récupérer proprement les données de ton fichier.

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
#!/usr/bin/perl
 
use strict;
use warnings;
 
use Bio::SeqIO;
 
 
 
my $file = '-----.txt';
my $in  = Bio::SeqIO->new(-file => $file , '-format' => 'fasta');
 
 
 
while ( my $seq = $in->next_seq() ) {
 
	if ($seq->seq =~ m/(ATCG)/){
		print "ATCG commence à la position $-[1]\nse termine juste avant la position $+[1]\n";
	}
 
}

[joyeux2000]

Bonjour,
Merci Jasmine80 pour la réponse .
j'ai télécharger un fichier contenant les séquences upstreame des gènes à partir d'une base de données.
ces sequences sont en format FASTA.
exemple explicatif de sequence:
>XX1G56520 | chr1:2695538-2696537 FORWARD LENGTH=500ATCGATCGATCGATCGGAGAGAGATCGATCGATCGATCGATCG>YY1G56520 | chr1:2695538-2696539 FORWARD LENGTH=500ATCGATCGATCGATCGGAGAGAGATCGATCGATCGATCGATCG....
moi je veux écrire un code en bio perl qui:
lit le fichier contenant les séquences ( on peux ouvrir avec bloc note, Word ...)
recherche un motif bien déterminer (eg. GAGAGAGATCGA)
donne à quelle gène correspond cette séquence ( par exemple pour le motif coloré en rouge en note le code de gène "XX1G56520". ID qui se trouve juste après la signe ">" précédente au motif )
détermine la position de ce motif par rapport au codon start, autrement compte le nombre de lettre en commencent par le premier lettre de motif jusqu'à le dernier lettre avant la signe ">" suivante.
donner les résultats sous la forme d'un tableau contenant le code de chaque gène et la position de motif correspondant( nombre de lettre trouver avec une signe mois "-")
si vous voulez plus d'explication je suis toujours à votre disposition.
aider moi SVP c'est urgent.
cordialement

[Jasmine80]

Bonjour Joyeux,

Tu dois ouvrir le fichier de cette façon :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

open my $in_file_fh, '<', $file or die;

Puis parcourir les lignes une à une ..

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

while (my $line = <$in_file_fh> ){

.. afin de les analyser via des expressions régulières :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
 
	# si la ligne commence par > 
	if ($line =~ m/^>(\w+)\|/){
		$id = $1;
	}
	# si la ligne contient le motif
	elsif ($line =~ m/(GAGAGAGATCGA)/i){
		$pattern = $1;
		$position = $-[1];
	}

Ce qui donne (script à adapter à ton cas)

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
#!/usr/bin/perl
 
 
use warnings;
use strict;
 
 
# ouverture du fichier
my $file = '...';
open my $in_file_fh, '<', $file or die;
 
 
# tableau contenant les résultats
my %tab;
 
 
 
# parcours du fichier
while (my $line = <$in_file_fh> ){
 
	# récupération des informations
	my $id;
	my $pattern;
	my $position;
 
	# si la ligne commence par > 
	if ($line =~ m/^>(\w+)\|/){
		$id = $1;
	}
	# si la ligne contient le motif
	elsif ($line =~ m/(GAGAGAGATCGA)/i){
		$pattern = $1;
		$position = 
	}	
	if ( (defined $id) && (defined $pattern) ){
 
		# ce que tu veux garder
		$tab{} = ;
 
		# on remet les valeurs à zéro
		$id;
		$pattern;
		$position;			
	}
}
 
close $in_file_fh;

Voici la FAQ sur les expressions régulières et les fichiers

Si tu as d'autres questions, n'hésite pas.

[joyeux2000]

Bonjour,
premièrement, un grand merci à Jasmine80 pour tout l'aide qu'il m'a fourni.
mais le problème que pour la position j'ai pas pu la déterminer, parce que moi je veux la position par rapport au codon start dans une séquence upstream, donc j'ai besoin de compter le nombre les lettres en commençant par la signe ">" qui suit le motif.
j'ai essayé avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

index($ligne,$pattern)

mais elle détermine la position par rapport au début de la ligne.
de plus, pour

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$tab{} = ;

je sais pas qu'est ce qu'il faut écrire à fin que le tableau affiche le id de gène et la position.
c'est pas forcement que les résultats s'affichent sous la forme d'un tableau, l’essentiel on obtient code du gène suivie de la position correspondante.
exemple explicatif de séquence:
>XX1G56520 | chr1:2695538-2696537 FORWARD LENGTH=500ATCGATCGATCGATCGGAGAGAGATCGATCGATC>YY1G56520 | chr1:2695538-2696539 FORWARD LENGTH=500ATCGATCGATCGATCGGAGAGAGATCGATCGATCGATCGATCG....
pour le motif en rouge
id de gene: XX1G56520
la position: -18 to -7
je suis encore débutant , j'ai besoin de l'aide.
Merci d'avance

[Jasmine80]

Bonjour,
premièrement, un grand merci à Jasmine80 pour tout l'aide qu'il m'a fourni.
mais le problème que pour la position j'ai pas pu la déterminer, parce que moi je veux la position par rapport au codon start dans une séquence upstream, donc j'ai besoin de compter le nombre les lettres en commençant par la signe ">" qui suit le motif.
j'ai essayé avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

index($ligne,$pattern)

mais elle détermine la position par rapport au début de la ligne.

Si ta ligne vaut = '>XX1G56520 | chr1:2695538-2696537 FORWARD LENGTH=500ATCGATCGATCGATCGGAGAGAGATCGA', que tu cherches le motif GAGAGAGATCGA et que tu fais :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
	if ($line =~ m/LENGTH=\d+(\w+)(GAGAGAGATCGA)/){
 
		# $2 contient le motif et $1 contient le début de séquence avant celui-ci
 
		my $start_motif = length($1);
 
		print $1."\n".$start_motif."\n";
	}

de plus, pour

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$tab{} = ;

je sais pas qu'est ce qu'il faut écrire à fin que le tableau affiche le id de gène et la position.

Tu peux écrire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$tab{$id} = $start_motif

[joyeux2000]

Bonjour,
Merci beaucoup Jasmine
mais, le code présente encore des erreurs .
SVP, aidez moi à les corriger. je veux que programme tourne et m'affiche les résultats, je les besoins beaucoup.

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
#!/usr/bin/perl
 
 
use warnings;
use strict;
 
 
# ouverture du fichier
my $file = 'ups.txt';
open my $in_file_fh, '<', $file or die;
 
 
# tableau contenant les résultats
my %tab;
 
 
 
# parcours du fichier
while (my $line = <$in_file_fh> ){
 
	# récupération des informations
	my $id;
	my $pattern;
	my $position;
 
	# si la ligne commence par > 
	if ($line =~ m/^>(\w+)\|/){
		$id = $1;
	}
	if ($line =~ m/LENGTH=\d+(\w+)(GAGAGAGATCGA)/){
 
		# $2 contient le motif et $1 contient le début de séquence avant celui-ci
 
		my $start_motif = length($1);
 
		print $1."\n".$start_motif."\n";
	}	
	if ( (defined $id) && (defined $pattern) ){
 
		# ce que tu veux garder
		$tab[$id] = $start_motif
 
		# on remet les valeurs à zéro
		$id;
		$pattern;
		$position;			
	}
}
 
close $in_file_fh;

bien cordialement

[Philou67430]

Pour la boucle principale, il est peut-être possible d'envisager cela ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
# parcours du fichier
while (my $line = <$in_file_fh> ){
  # si la ligne commence par >, on récupère l'ID et 
  if (my ($id) = $line =~ m/^>(\w+)\|/) {
 
    # On recherche le pattern et le start (>) qui suit
    if (my ($pattern, $start) = $line =~ m/LENGTH=\d+(?:\w+)(GAGAGAGATCGA)(?:.*?)(<)/) {
      # Il suffit alors d'afficher les informations de position :
      print "$id: ", $-[0] - $-[1], " -> ", $-[0] + length($pattern) - $-[1], "\n";
    }
  }
}

Pour le vérifier, il faudrait que l'on puisse disposer d'un exemple de fichier ups.txt.

[joyeux2000]

Bonjour,
Merci Philou67430, Merci Jasmine80.
mais mon problème n'est pas encore résolu .il y a toujours des erreurs qui s'affichent.
Cordialement

[Philou67430]

Merci de poster ici les réponses que vous m'avez faites en privé.
De même, postez le script que vous avez utilisé qui provoquent les erreurs que vous m'avez envoyées, car je doute que la partie de script que j'ai postée plus haut ne soit à l'origine de ces erreurs.

[joyeux2000]

Bonjour,
Merci bien Philou67430 pour votre aide.
voici 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
#!/usr/bin/perl
 
 
use warnings;
use strict;
 
 
# ouverture du fichier
my $file = 'ups.txt';
open my $in_file_fh, '<', $file or die;
 
 
# parcours du fichier
while (my $line = <$in_file_fh> ){
  # si la ligne commence par >, on récupère l'ID et 
  if (my ($id) = $line =~ m/^>(\w+)\|/) {
 
    # On recherche le pattern et le start (>) qui suit
    if (my ($pattern, $start) = $line =~ m/LENGTH=\d+(?:\w+)(GAGAGA)(?:.*?)(<)/) {
      # Il suffit alors d'afficher les informations de position :
      print "$id: ", $-[0] - $-[1], " -> ", $-[0] + length($pattern) - $-[1], "\n";
    }
  }
}		
close $in_file_fh;

pour l'erreur, lorsque j'ai exécuté le Script il m'affiche rien, ni erreur, ni résultat. de plus lorsque j'ai déplacé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

print "$id: ", $-[0] - $-[1], " -> ", $-[0] + length($pattern) - $-[1], "\n";

à la fin du script, il m'affiche

Global symbol “$id” requires explicit package name at D:\perl…line 25
Global symbol “$pattern” requires explicit package name at D:\perl…line 25

si vous voulez plus d'explication, je suis à votre disposition.
Merci d'avance
Bien cordialement

[Philou67430]

Le manque de résultat vient du fait que les séquences ne sont pas enregistrées sur une seule ligne, mais sur plusieurs lignes.
Pour faire les recherches, il faut donc d'abord "concaténer" toutes les lignes d'une séquence, et ensuite seulement faire la recherche.

De même, l'expression régulière pour extraire l'ID était trop restrictive.

Enfin, avec le fichier que vous m'avez fourni en MP, il n'y a aucune ligne de séquence pour laquelle on trouve un > au milieu des nucléotides... du coup, la recherche "du start" échoue toujours... Je ne peux aller plus loin.

Le script en l'état :

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
#!/usr/bin/perl
 
 
use warnings;
use strict;
 
 
# ouverture du fichier
my $file = 'ups.txt';
open my $in_file_fh, '<', $file or die;
 
 
# parcours du fichier
my @seq;
while (my $line = <$in_file_fh> ){
  chomp($line);
  if ($line =~ /^>/) {
    # traiter la séquence courante s'il y en a une
    sequence(@seq) if @seq;
    # préparer la sequence suivante
    @seq = ();
  }
  # enregistrer la ligne courante pour la séquence courante
  push @seq, $line;
}
# Traiter la dernière séquence
sequence(@seq) if @seq;
close $in_file_fh;
 
sub sequence {
  my $seq = join "", @_;
 
  # si la ligne commence par >, on récupère l'ID et
  if (my ($id) = $seq =~ m/^>(\w+)\s*\|/) {
 
    # On recherche le pattern et le start (>) qui suit
    if (my ($pattern, $start) = $seq =~ m/LENGTH=\d+(?:\w+)(GAGAGA)(?:.*?)(<)/) {
      # Il suffit alors d'afficher les informations de position :
      print "$id: ", $-[0] - $-[1], " -> ", $-[0] + length($pattern) - $-[1], "\n";
    }
  }
}

[joyeux2000]

Bonjour,
ok un grand Merci Philou67430 pour tout l'effort et l'aide que vous m'avez fournis.
déjà, le code que vous m'avez donné est un pas très important pour moi.
mais si quel qu’un 'autres à une idée, je serai très reconnaissant.
Merci d'avance
cordialement

[joyeux2000]

Bonjour,
Merci beaucoup Jasmine , Merci beaucoup Philou67430 .
C'est résolu .