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
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
| #!/usr/bin/perl
#nom des programmes testés : stop_codon_count.pl, stop_codon_count2.pl, stop_codon_count3.pl
# compter le nombre de codons stop dans mes 6 cadres de lecture
use strict;
use warnings;
use Benchmark qw(cmpthese) ;
use Bio::SeqIO;
use List::AllUtils qw(indexes min);
cmpthese (10000, {
'stop_codon' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence revcom
my $revcom = reverse($sequence);
$revcom =~ tr/ACGTRYKMHDVBacgtrykmhdvb/TGCAYRMKDHBVtgcayrmkdhbv/;
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
my @triplets_cadre2 = substr ($sequence, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
my @triplets_cadre4 = $revcom =~ m/([A-Z]{3})/gi;
my @triplets_cadre5 = substr ($revcom, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre6 = substr ($revcom, 2) =~ m/([A-Z]{3})/gi;
# map {print "$_\n";} @triplets_cadre1;
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
'stop_codon2' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence rev et non com
my $rev = reverse($sequence);
my $seq_length = length($sequence);
# on ne passe pas par la séquence complémentaire, on travaille seulement avec la reverse
# au lieu de chercher TAA On doit rechercher ATT
# TAG ATC
# TGA ACT
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
my @triplets_cadre2 = substr ($sequence, 1) =~ m/([A-Z]{3})/gi;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
my @triplets_cadre4 = $rev =~ m/([A-Z]{3})/gi;
my @triplets_cadre5 = substr ( $rev, - ($seq_length - 1) ) =~ m/([A-Z]{3})/gi;
my @triplets_cadre6 = substr ( $rev, - ($seq_length - 2) ) =~ m/([[A-Z]{3})/gi;
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(ATT|ATC|ACT)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
'stop_codon3' => q{
# clé : id valeur : seq
my %seq;
# fichier au format fasta contenant les séquences à analyser
my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts2/Files/seq.txt", '-format' => 'Fasta');
# récupération des séquences du fichier
while ( my $dna = $in->next_seq()){
# séquence du fichier
$seq{$dna->primary_id} = $dna->seq;
warn "BASES DEGENEREES POUR $dna->primary_id\n", if ($dna->seq !~ m/^[ATCG]+$/i)
}
while (my ($id, $sequence) = each %seq) {
# récupération de sa séquence rev et non com
my $seq_length = length($sequence);
# on ne passe pas par la séquence complémentaire, on travaille seulement avec la reverse
# au lieu de chercher TAA On doit rechercher ATT
# TAG ATC
# TGA ACT
# exemple pour la séquence ATGTCATGGGC
my @triplets_cadre1 = $sequence =~ m/([A-Z]{3})/gi;
# ATG TCA TGG
# découpe 3 par 3 en commençant par le début de le premier nucléotide chaîne
pos($sequence) = 1;
my @triplets_cadre2 = $sequence =~ m/([A-Z]{3})/gi;
# TGT CAT GGG
# découpe 3 par 3 en commençant par le début de le deuxième nucléotide chaîne
pos($sequence) = 2;
my @triplets_cadre3 = substr ($sequence, 2) =~ m/([A-Z]{3})/gi;
# GTC ATG GGC
# découpe 3 par 3 en commençant par le début de le troisième nucléotide chaîne
pos($sequence) = (length $sequence) % 3;
my @triplets_cadre4 = $sequence =~ m/([A-Z]{3})/gi;
# GTC ATG GGC
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit le dernier nucléotide de la chaîne de départ
pos($sequence) = ( (length $sequence) - 1) % 3;
my @triplets_cadre5 = $sequence =~ m/([A-Z]{3})/gi;
# TGT CAT GGG
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit l'avant dernier nucléotide de la chaîne de départ
pos($sequence) = ( (length $sequence) - 2) % 3;
my @triplets_cadre6 = $sequence =~ m/([[A-Z]{3})/gi;
# ATG TCA TGG
# découpe 3 par 3 en en commençant pas le xième nucléotide de la chaîne afin que le
# dernier nucléotide du dernier triplet soit l'antépénultième nucléotide de la chaîne de départ
# compte du nombre de codons stop
my ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre1 ++;} } @triplets_cadre1;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre2 ++;} } @triplets_cadre2;
map{ if ($_ =~ m/(TAA|TAG|TGA)/gi ){$stop_cadre3 ++;} } @triplets_cadre3;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre4 ++;} } @triplets_cadre4;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre5 ++;} } @triplets_cadre5;
map{ if ($_ =~ m/(TTA|CTA|TCA)/gi ){$stop_cadre6 ++;} } @triplets_cadre6;
my @stop_count = ($stop_cadre1, $stop_cadre2, $stop_cadre3, $stop_cadre4, $stop_cadre5, $stop_cadre6);
# recherche du nombre de codons stop minimum
my $min_stop_count = min (@stop_count);
# vérification que le nombre minimum de stop est inférieur à 2
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\n", if($min_stop_count > 1);
# recherche de l'indexe de l'élément de la liste possédant le nombre minimum de stop
my @min_indexes = indexes { $_ == $min_stop_count } @stop_count;
# vérification qu'un seul élément possède le nombre minimal de stop
warn "ERREUR¨POUR $id, \$min_stop_count = $min_stop_count\t\@min_indexes = @min_indexes\n", if( @min_indexes > 1);
# print "$id\tcadre1\t$stop_cadre1\n";
# print "$id\tcadre2\t$stop_cadre2\n";
# print "$id\tcadre3\t$stop_cadre3\n";
# print "$id\tcadre1 revcom\t$stop_cadre4\n";
# print "$id\tcadre2 revcom\t$stop_cadre5\n";
# print "$id\tcadre3 revcom\t$stop_cadre6\n";
# si le cadre de lecture se trouve dans la séquence revcom
# c'est donc que $min_indexes[0] vaut 4, 5 ou 6
# cela signifie que $sequence est dans le sens 3'->5'
# on la remet donc dans le sens 5'->3'
# if ($min_indexes[0] > 3){
# print "UPDATE avec \$revcom\n";
# }
}
},
}); |
Benchmark hireswallclock 2
... mais bon, je ne gagne presque rien sur 3 * 10.000 séquences.
Répondre avec citation
Partager