Discussion :

[crochepatte]

Bonjour, voila j'aimerai trouve une expression reguliere pour ce type d'expression: il s'agit de repetition d'une à plusieurs lettres d'un alphabet de 4 lettre (A,T,G,C) dans une sequence.

au debut je pensai à /[ATGC]{min,}/, mais en apres reflexions (et quelques tests ) je me suis appercu que c'etait pas adapté a ce que je voulais.

donc j'ai essayé /([ATGC]{1,4}){min,}/ pour des repetitions de taille 1 à 4 ... mais ca marche pas non plus

Quelqu'un aurait une idée?

[2Eurocents]

Une solution (bourrine) pourrait être :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$sequence =~m/(A{4,}|C{4,}|T{4,}|G{4,})/gi);

Par exemple, pour reperer toutes les répétitions d'au moins quatre A, C, T ou G.

Une meilleure solution consisterait à faire vérifier, par le moteur d'expressions rationnelles, que le caractère qui matche actuellement est bien le même que le précédent ... Mais j'ai toujours eu du mal avec les "look-ahead" et les "look-behind" ... Il faudra que je m'y mette sérieusement, un jour ...

[crochepatte]

Oui c'est ce que j'ai fait en attendant pour les motifs de 1,2 et 3 lettre mais maintenant je dois passer a 4 lettre et me tapper toutes les possibilité (soit a peu pres 4! (mois les motifs redondant AAAA par ex) ca me parait lourd, mais je vais voir les look ahead, je connaissait pas...
Merci du conseil

[2Eurocents]

J'ai peut être mal compris la question, car mon expression (bourrine) est destinée à trouver les motifs redondants ...

S'il s'agit d'identifier les motifs de 4 lettres, potentiellement différentes entre elles, mais répétés, ceci peut être mieux :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

@sequence=($a=~m/([ACTG]{4,}).*\1/gi)

Testé comme suit :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
perl -e '$a="ATCGATCGAAATCGAGACCCGGAGTTAGAGGCCCGAGACCTG";
@tab=($a=~m/([ACTG]{4,}).*\1/gi);$,="\n";print @tab;'

Il retourne ATCGA et GACC ... Ce qui n'est pas faux, mais peut poser un problème d'alignement. En effet ... le motif GAGACC est répété et pourrait nous interesser, mais il est éliminé par le match de son GA initial dans le ATCGA ...

[crochepatte]

Excuse j'ai pas du etre clair, mais le motifs doit se repeter a la suite du genre


......ATCATCATCATCATAC.... -> motif ATC repeté
......ATATATATATATATAT.... -> motif AT répété

donc je disai que j'ai deja enuméré tous le motifs possible de 1,2,3 lettres mais bon ca va etre long de faire tous les motifs de 4 lettres et puis peut etre 5

Voila

[2Eurocents]

Excuse j'ai pas du etre clair, mais le motifs doit se repeter a la suite du genre


......ATCATCATCATCATAC.... -> motif ATC repeté
......ATATATATATATATAT.... -> motif AT répété

...

Bah ... il suffit de retirer le .* de mon motif, entre la fermeture de parenthèse et le \1 pour demander que les répétitions soient voisines, et pas séparées par n'importe quoi.

Bien sûr, entre accolades, tu peux fixer la longueur de ton motif à répétitions.

Maintenant, si tu veux obtenir la chaine résultant des répétitions, et pas le motif se répètant, l'expression est différente :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

@repets=($sequence=~m/(([AC{2,4})\2)/gi);

Ceci fournira, dans le tableau repets, aux indices pairs (0, 2, 4, 6, ...) les suites de répétitions (chaine "ATCATCATCATC" par exemple), et aux indices impairs suivants (1, 3, 5, 7) le motif élémentaire répété (chaine "ATC" dans l'exemple donné ci-dessus).

Dans le code donné ci-dessus, on prend les motifs élémentaires d'une longueur de 2 à 4 bases.

Bon courage.

[crochepatte]

Merci beaucoup, encore une fois tu as resolu un probleme...

Et ben moi qui croyai etre fort en expression reguliere, je ne sais meme pas ce que \1 veut dire ... bon je vais en prendre de la graine


Merci encore

[2Eurocents]

je ne sais meme pas ce que \1 veut dire ...

\1, dans la première volée de // d'une expression rationnelle fait référence au premier motif mémorisé (celui mémorisé par la paire de parenthèses dont la parenthèse ouvrante a été rencontrée la première). Cela correspond au $1 de la deuxième volée de // lorsque l'on fait une substitution.

Selon la même logique, \2 désigne le second motif mémorisé, \3 le troisième, etc.