Discussion :

[schmurf]

Bonjour,
Je suis nouveau dans le langage perl, j'ai quelques notions d’algorithmique que j'ai acquises avec scilab.
Mon but est de créer un programme qui peu extraire une séquence de nucléotides d'un fichier (ici nucleotide.txt) et sortir à la fin le nombre de bases A T C et G.

Voilà l'ébauche de programme que j'ai fait

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
#!C:\strawberry\perl\bin -W
open(hin,"<C:\Users\Maxime\Desktop\nucléotide.txt")
@t = <hin>
my $a = 0;
my $t = 0;
my $c = 0;
my $g = 0;
my $l = length(@t);
for {(my $i = 0; $i = $l; $i+=1)
	if (@t(1,$i) = a) {
	$a+=1}
	elsif (@t(1,$i) = t) {
	$t = $t+1}
	elsif (@t(1,$i) = c) {
	$c = $c+1}
	else {
	$g = $g+1}}
print ("$a\n","$t\n","$c\n","$g\n");

Bon sans surprise il ne fonctionne pas, je soupçonne l'incapacité du logiciel à lire mon fichier, et aussi beaucoup d'erreur de syntaxe. Je précise que le contenu du fichier nucleotide.txt est "ttcagttgtg"

Si vous pouvez m'aiguiller sur l'origine de l'incommensurable liste d'erreur que j'obtiens à l’exécution du .pl, je vous en serai reconnaissant!

[Gardyen]

ouh là de nombreux problèmes à signaler !

premier point commence tes scripts perl avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
use strict;
use warnings;

, ça te filtrera quelques erreurs.

ensuite, un tour dans la FAQ !

lecture du fichier: tu ouvres ton fichier correctement mais tu ne le lis pas comme tu le voudrais

boucle for

et enfin pour le décompte il y a plus simple !

voici une façon de faire (il y a toujours plus d'une façon de faire !) utilisant l'opérateur de remplacement tr///

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
my $str = "ttcagttgtg";
my $tcnt = $str =~ tr/t//;
my $acnt = $str =~ tr/a//;
my $gcnt = $str =~ tr/g//;
my $ccnt = $str =~ tr/c//;
 
print "$tcnt $acnt $gcnt $ccnt";

Cela affiche

5 1 3 1

bon courage !

[schmurf]

Merci pour l'aide et le courage, je sens qu'il va m'en falloir beaucoup,

J'ai lu la faq et ils y précisent que pour lire un fichier il faut utiliser "<" ce que j'avais déjà utilisé :s.
En revanche j'ai corrigé certaines erreurs notamment au niveau de la syntaxe du for et j'ai mis en majuscule "hin" :

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
use strict;
use warnings;
#!C:\strawberry\perl\bin
open HIN, "<C:\Users\Maxime\Desktop\nucléotide.txt"
my @t = <HIN>
my $a = 0;
my $t = 0;
my $c = 0;
my $g = 0;
my $l = length(@t);
for ($i=0; $i<$l; $i++){
	if (@t(1,$i) = a) {
	$a+=1}
	elsif (@t(1,$i) = t) {
	$t+=1}
	elsif (@t(1,$i) = c) {
	$c+=1}
	else {
	$g+=1}}
close(HIN)	
print ("$a\n","$t\n","$c\n","$g\n");

Il est vrai que votre méthode semble bien plus rapide, mais avant de l'étudier j'aimerai bien résoudre les problèmes que j'ai avec la mienne. Le message d'erreur qui m’embête le plus est celui-ci :

Unrecognized escape \M passed through at C:\Users\Maxime\Desktop\test1 fction.pl
line 2.
Unrecognized escape \D passed through at C:\Users\Maxime\Desktop\test1 fction.pl
line 2.

grrrrr

[Gardyen]

le back slash \ est le caractère d'échappement, indiquant que le caractère suivant est spécial cf FAQ

donc dans le chemin il interprète les \D \M comme un caractère spécial... qui n'a rien à faire là ou qui n'existe pas, d'où l'erreur.

Afin de corriger cela, tu devrais consulter ce point de la FAQ

au passage, tu peux voir ici comment débuter un script perl

ensuite tu n'accèdes pas correctement aux éléments de la liste, là encore, FAQ

[schmurf]

Bon alors j'ai fait beaucoup de modifications,

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
#!C:\strawberry\perl\bin -W
use strict;
use warnings;
open HIN, "<C:\\Users\\Maxime\\Desktop\\nucleotide.txt";
my @t = <HIN>;
my $a = 0;
my $bt = 0;
my $c = 0;
my $g = 0;
my $i = 0
for ($i=0 ; $i<$#t ; $i++){
	if ($t[$i] = 'a') {
	$a+=1}
	elsif ($t[$i] = 't') {
	$bt+=1}
	elsif ($t[$i] = 'c') {
	$c+=1}
	else {
	$g+=1}}
close(HIN);
print ("$a\n","$bt\n","$c\n","$g\n");

mais c'est toujours pas ca, j'ai créer un autre bout de code pour y aller plus progressivement et traiter erreur par erreur :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
#!C:\strawberry\perl\bin -W
use strict;
use warnings;
open HIN, "<C:\\Users\\Maxime\\Desktop\\nucleotide.txt" or die "Can't open 'nucleotide': $!";
my @t = <HIN>;
print "$t[1]\n";
print "@t\n";
close(HIN);

A l’exécution de ce .pl la ligne print "$t[1]\n"; qui doit normalement me retourner "t" me retourne le message d'erreur suivant :
[QUOTE] Use of unitialized value $t[1] in concatenation (.) or string at C/\Users\Maxime\Desktop\test1 fction.pl line 6, <HIN> line 1. [\QUOTE]
Donc je ne fais pas référence au "t" de nucleotide.txt correctement. Mais je ne vois pas vraiment comment faire après avoir lu plusieurs fois la FAQ

[Lolo78]

Euh, il y a combien de lignes dans ton fichier de nucléotides?

S'il n'y en a qu'une seule, c'est $t[0] que tu dois imprimer car l'indice du premier élément d'un tableau est 0, en Perl comme dans la majorité des langages de programmation.

[schmurf]

Il n'y a qu'une seul ligne en effet, mais je ne veux pas afficher la ligne entière, mais juste une des lettres de la ligne (où chaque lettre serait dans une colonne différente).
Le fichier nucleotide.txt possède la séquence suivante : "ttcagttgtg". Pour pouvoir utiliser la boucle for, je dois pouvoir me balader dans la séquence et je pensais que pour le logiciel le premier "t" était dans la colonne 0 le deuxième "t" dans la colonne 1 etc...
En faisant "$t[1]" je voulais faire référence au deuxième "t" donc à la colonne 1 de la ligne 0.

[Lolo78]

Non. Si tu écris:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @t = <HIN>;

tu charges tout le fichier pointé par le descripteur HIN dans le tableau, à raison d'une ligne par élément du tableau. Autrement dit, $t[0] contient la première ligne du fichier, $t[1] la seconde ligne (à supposer qu'il y en ait une), et ainsi de suite.

Donc, dans ton cas, s'il n'y a qu'une seule ligne, seul l'élément $t[0] est défini.

Si tu désires accéder aux caractères individuels il faut que tu fasses des manipulations sur l'élément $t[0]. J'ajoute que contrairement à d'autres langages comme le C, les chaînes de caractères ne peuvent pas être manipulées directement comme des tableaux de caractères en Perl.

Si tu désires accéder au second caractère de la chaîne, il y a plusieurs manières de faire.

Une expression régulière (donnée pour mémoire uniquement, pas vraiment recommandée pour ce genre de cas, mais très efficace pour d'autres cas):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my $char2 = $1 if $t[0] =~ /^.(.)/;

L'utilisation de la fonction substr (la solution que je recommande si tu n'a besoin que d'un ou deux caractères de la chaîne):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my $char2 = substr $t[0], 1, 1;

La fonction unpack (pas vraiment recommandée dans un cas aussi simple):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my (undef, $char2) = unpack "A1A1", $t[0];

Mais si tu veux manipuler individuellement aussi les autres caractères de ta chaîne, alors utilise la fonction split pour mettre chaque caractère dans un nouveau tableau:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @chars = split //, $t[0];

Le tableau @chars contient maintenant un caractère par élément du tableau:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
0  ARRAY(0x804002e0)
   0  't'
   1  't'
   2  'c'
   3  'a'
   4  'g'
   5  't'
   6  't'
   7  'g'
   8  't'
   9  'g'

Et si tu veux seulement les éléments d'indices 2, 5 et 7, tu peux faire directement:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my ($ch2, $ch5, $ch7) = (split //, $t[0]) [2, 5, 7];

[schmurf]

Bonjour,
Bon alors merci de m'avoir détaillé ttes les possibilités .
J'ai choisi avec la fonction split et ça donne cela

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
#!C:\strawberry\perl\bin -W
#use strict;
use warnings;
open HIN, "<C:\\Users\\Maxime\\Desktop\\nucleotide.txt";
my @temp = <HIN>;
my @t = split / /, $temp[0];
my $a = 0;
my $bt = 0;
my $c = 0;
my $g = 0;
for ($i = 2 ; $i<(($#t)-1) ; $i+=2)
	if ($t[$i] = 'a') {
	$a+=1}
	elsif ($t[$i] = 't') {
	$bt+=1}
	elsif ($t[$i] = 'c') {
	$c+=1}
	else {
	$g+=1}};
close(HIN);
print ("$a\n","$bt\n","$c\n","$g\n");

Pour le for j'ai été obligé d'adapter mes conditions aux indices des nucléotides après passage par la fonction split. C'est un peut bizarre que le premier nucléotide soit en $t[2] et que le second en $t[4] etc.. et le reste ne fonctionne pas.
Ensuite il faut que je demande au programme dans les if si en $t|$i] on a bien un "t" par exemple. Je ne sais pas quel symbole employer pour lui faire comprendre..
En tout cas merci la découverte de la fonction split est super utile !

[Lolo78]

Cette ligne est erronée:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @t = split / /, $temp[0];

Tu as un espace entre les deux barres obliques, ce qui veut dire que le split va cherche à splitter sur des espaces. Par exemple, si tu fais:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @t = split / /, "Maître Corbeau sur un arbre perché"

@t contiendra les mots de la phrase, donc les éléments: "Maître", "Corbeau", "sur", "un" etc.

Si tu veux les lettres individuelles, les deux barres obliques ne doivent être séparées par rien du tout, comme je l'avais fait:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @t = split //, $temp[0];

[schmurf]

Oui bien sûr ! C'est corrigé il m'affiche 1 5 1 3 dorénavant =).
Par contre ca ne m'explique pas pourquoi je dois utiliser $t[2] pour faire référence au premier nucléotide et etc de deux en deux pour les autres nucléotides..

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
#!C:\strawberry\perl\bin -W
#use strict;
use warnings;
open HIN, "<C:\\Users\\Maxime\\Desktop\\nucleotide.txt";
my @temp = <HIN>;
my @t = split //, $temp[0];
my $a = 0;
my $bt = 0;
my $c = 0;
my $g = 0;
for ($i = 2 ; $i<($#t) ; $i+=2){
	if ($t[$i] =~ 'a') {
	$a+=1}
	elsif ($t[$i] =~ 't') {
	$bt+=1}
	elsif ($t[$i] =~ 'c') {
	$c+=1}
	else {
	$g+=1}};
close(HIN);
print ("$a\n","$bt\n","$c\n","$g\n");

[Lolo78]

Par contre ca ne m'explique pas pourquoi je dois utiliser $t[2] pour faire référence au premier nucléotide et etc de deux en deux pour les autres nucléotides..

Je ne vois pas non plus comme ça à vue de nez. Mets ton fichier en pièce jointe (par un copier-coller, vraiment une PJ sans rien y modifier), je regarderai en détail ce qui se passe. Ce ne doit pas être bien sorcier.

[6ril23]

@schmurf je pense que tu devrais te pencher sur les modules bioPerl
il y a déjà pas mal de choses qui existent et qui pourraient t'aider si tu continues à développer en Perl pour traiter des données bio


N'ayant pas le format exacte de ton fichier, je vais faire une proposition pour un des format les plus utilisés (fasta) (Pas testé):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>Nom_sequence
AATGGCCAATAA
>Nom_sequence_2
TCAGGTGTACCA

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
my ($nom, $nb_A, $nb_T, $nb_C, $nb_G, $cpt) = ("Aucun", 0, 0, 0, 0, 0);
 
open(FIC_IN, "<C:\\Users\\Maxime\\Desktop\\nucleotide.txt");
while (<FIC_IN>){
	$_ =~ s/\s+$//;
	if ( $_ =~ /^>(.*)\s*/ ){  #changer la regex si tu as une version avec des commentaires
		print "$nom contient $nb_A A, $nb_T T,  $nb_C C, $nb_G\n" if ($cpt!=0);
		#Reinitialisation des variables
		$nom = $1;
		($nb_A, $nb_T, $nb_C, $nb_G) = (0, 0, 0, 0);
 
		$cpt++;
	}
	else{
		my @Liste_Nucleotide = split('', $_);
		foreach my $nucle (@Liste_Nucleotide){
			if (  $nucle =~ /[Aa]/ ){
				$nb_A++;
			}
			elsif (  $nucle =~ /[Tt]]/ ){
				$nb_T++;
			}
			elsif (  $nucle =~ /[Gg]/ ){
				$nb_G++;
			}
			elsif (  $nucle =~ /[Cc]/ ){
				$nb_C++;
			}
		}
	}
}
print "$nom contient $nb_A A, $nb_T T,  $nb_C C, $nb_G\n"

[schmurf]

Bonsoir, merci à tous pour votre aide,

@lolo78 : Le programme fonctionne dorénavant comme il faut le problème du passage de 2 en 2 venait tous simplement du fait que mon fichier *.txt était encodé en "unicode" et pas "ansi" ... grrrr

@6ril23 : oui, je vais devoir aller y jeter un œil, mais je suis vraiment qu'au tout début de l'apprentissage du perl, j'ai beaucoup de mal avec toute la syntaxe spécifique à perl. Je suis sûr que je me casse la tête pour peu de chose, il ya tellement de fonctions que je connais pas encore dans perl et qui peuvent surement simplifier la plus part des codes que j'édifie. C'était le cas de la merveilleuse fonction split qui est vraiment génial.

Je vais continuer d'apprendre ce langage, le prof qui m'a demandé de l'apprendre me donne un exercice toutes les semaines donc j'aurais surement besoin de vous encore lol.

[Lolo78]

Je vais continuer d'apprendre ce langage, le prof qui m'a demandé de l'apprendre me donne un exercice toutes les semaines donc j'aurais surement besoin de vous encore lol.

Pas de problème, c'est toujours avec plaisir que les membres les plus actifs de ce forum (y compris moi-même) répondent aux questions des intervenants qui, comme toi, font l'effort de coder quelque chose et ne se contentent pas de demander une solution toute faite. En ce qui me concerne, je ne pourrai pas vraiment t'aider sur les questions de bio-informatique pure, je ne connais rien aux modules Bioperl, je n'ai aucune idée de ce que peut être une séquence fasta (par exemple) et la dernière fois que j'ai suivi des cours de biologie en fac, c'était à une époque où l'on n'imaginait même pas que l'on serait un jour capable de séquencer le génome d'une simple paramécie. Mais je t'aiderais volontiers sur les problèmes de syntaxe ou d'algorithmique Perl dans la mesure de mes moyens et je suis sûr que d'autres membres de ce forum pourront t'aider sur ces questions et aussi sur celles de bio-informatique que je ne maîtrise pas du tout.