Discussion :

[vinserm]

Bonjour à tous

Je suis entrain d'écrire un script dont le but est d'obtenir un tableur synthetique à partir de données importantes de blast

Je suis bloqué à une étape : comment associer un microorganisme (ligne gb) à plusieurs query tout en gardant la ligne entière de Query et en associant les scores (50 0.41) à la query

Je pars d'un fichier de type :

Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
gb|HQ647181.2| Cotia virus SPAn232, complete genome 50.0 0.41
>gb|KM595078.1| Cotia virus strain SPAn880, complete genome
Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
gb|HQ647181.2| Cotia virus SPAn232, complete genome 50.0 0.41


et souhaite obtenir quelque chose comme ca :
gb|HQ647181.2| Cotia virus SPAn232, complete genome Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 44.6 7.0 Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549 44.6 7.0 Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946 50.0 0.41
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 44.6 7.0 Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549 44.6 7.0
gb|KM595078.1| Cotia virus strain SPAn880, complete genome Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 >

Merci pour votre aide

[Lolo78]

Cela ne semble pas bien compliqué, mais comment on identifie qu'une query se rapport à un microorganisme plutôt qu'à un autre?

[disedorgue]

Bonjour,

Le résultat désiré ne serait pas plutot:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 44.6 7.0 Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549 44.6 7.0 Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946 44.6 7.0
gb|HQ647181.2| Cotia virus SPAn232, complete genome Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 50.0 0.41 Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946 50.0 0.41
gb|KM595078.1| Cotia virus strain SPAn880, complete genome Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 >

[vinserm]

oui exactement ca disedorgue.
Mon but final est d'évaluer le nombre de query pour chaque microorganisme (et ne pas perdre d'informations au passage)

[Lolo78]

Bonjour,

voici un essai (en supposant que j'ai compris ce que tu désires obtenir).

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
 
use strict;
use warnings;
 
my (@queries, %viruses);
my $count;
 
while (my $line = <DATA>) {
	chomp $line;
	if ($line =~ /^Query= query\s?(\d+)/) {
	    $count = $1;
		$queries[$count] = $line;
	} else {
		next unless $line =~ /^gb/;
		push @{$viruses{$line}}, $count;
	}
}
 
for my $vir (keys %viruses) {
	print "$vir @queries[@{$viruses{$vir}}] \n";
}
 
__DATA__
Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
gb|HQ647181.2| Cotia virus SPAn232, complete genome 50.0 0.41
gb|KM595078.1| Cotia virus strain SPAn880, complete genome
Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0
gb|HQ647181.2| Cotia virus SPAn232, complete genome 50.0 0.41

Ce qui affiche:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
gb|HQ647181.2| Cotia virus SPAn232, complete genome 50.0 0.41 Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946
gb|KM595078.1| Cotia virus strain SPAn880, complete genome Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154
gb|JX025555.1| Human rhinovirus A strain HRV-A71_p1047_sR141_200... 44.6 7.0 Query= query1 cov=46.92 len=3767 gc=25.96 nseq=1154 Query= query 2 cov=54.67 len=1555 gc=28.17 nseq=549 Query= query 3 cov=45.79 len=3087 gc=23.68 nseq=946

En l'état, je considère l'ensemble des lignes comme identifiants des virus. Il y a peut-être des choses à changer si l'identifiant à considérer est seulement "Cotia virus SPAn232" par exemple.

[vinserm]

Bonjour,

voici un essai (en supposant que j'ai compris ce que tu désires obtenir).

Exactement ce que je voulais! Je vais intégrer cette étape à mon pipeline d'analyse
Merci beaucoup!