Lire un fichier fasta

Version imprimable

Bonjour,

comment récupérer TOUTES mes clés et valeur?

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
while (my $line = <DATA>) {
    chomp($line);
    if($line =~ /^>/){
	$nom=$line;
	$count ++;
	#print("$nom\n");
    }
    else{
	$sequence=$line;
	#print("$sequence\n");
    }
    %hash=($nom=>$sequence);
 
}
 print("nb count: $count\n");
 
 
foreach my $t (keys%hash){
    print  "clé: $t\nvaleur: $hash{$t}\n";#verif
}
 
 
close(DATA);

merci par avance

22/11/2010, 11h46
Jasmine80
Code:

1 2 3 foreach my $t (keys%hash){ print "clé: $t\nvaleur: $hash{$t}\n";#verif }
C'est la bonne méthode. Il faut néanmoins savoir que si 2 valeurs ont la même clé, tu écraseras la valeur précédente. Est-ce cela le problème?

Pour remplir le tableau j'utilise plutôt

Code:

$hash{$nom} = $sequence;

Si tu travailles avec un fichier fasta, il vaut mieux utiliser le module Bio::SeqIO

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
use Bio::SeqIO;
 
# fichier d'entrée
my $in  = Bio::SeqIO->new(-file => "P:/.../fichier", '-format' => 'Fasta');
 
# récupération des séquences et des identifiants
while ( my $seq = $in->next_seq()){
    my $id = $seq->primary_id ;
    my $sequence = $seq->seq ;
}

Désolé, j'ai fait le mauvais copié-collé
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 while (my $line = <DATA>) { chomp($line); if($line =~ /^>/){ $nom=$line; $count ++; #print("$nom\n"); } else{ $sequence=$line; #print("$sequence\n"); } %hash=($nom=>$sequence); } print("nb count: $count\n"); foreach my $t (keys%hash){ print "clé: $t\nvaleur: $hash{$t}\n";#verif }
en fait, deux clés différentes peuvent avoir la même valeur. Et du coup je veux conserver la premières clé et la valeur associé.

Voici le code à utiliser :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
use Bio::SeqIO;
 
# fichier d'entrée
my $in  = Bio::SeqIO->new(-file => "P:/fichier", '-format' => 'Fasta');
 
my %hash;
 
# récupération des séquences et $id
while ( my $seq = $in->next_seq()){
    $hash{$seq->primary_id} = $seq->seq ;   
}
 
# affichage
foreach my $t (keys %hash){
    print  "clé: $t\nvaleur: $hash{$t}\n";#verif
}

Est-ce bien un fichier fasta?

22/11/2010, 12h20
pontarose

Merci mais cela ne génère pas ce que je veux, je me suis mal exprimé: le nom de mes seq fini par .1, .2, .3 et je veux conserver même si elles ont des séquences un seul représentant

>seqA.1
MSSAAG
>seqA.2
MSSAAG
>seqB.1
MEEAGE
>seqC.1
MDSIRR
>seqD.1
MACTAA
>seqD.2
MACTAA
>seqD.3
MACTAA
>seqD.4
DIFFER

au final, j'aimerais avoir
>seqA.1
MSSAAG
>seqB.1
MEEAGE
>seqC.1
MDSIRR
>seqD.1
MACTAA

J'ai essayé ceci mais j'obtiens ce messgae:
"exists argument is not a HASH or ARRAY element"
Code:

1 2 3 4 5 6 7 8 9 my %test; foreach my $t (keys %hash{ if(exists substr("$hash{$t}","0",2){ $exist++; } else{ %test=( "$hash{$t}"=>"$t"); } }

22/11/2010, 12h54
djibril

Citation:

Envoyé par pontarose

Merci mais cela ne génère pas ce que je veux, je me suis mal exprimé: le nom de mes seq fini par .1, .2, .3 et je veux conserver même si elles ont des séquences un seul représentant

>seqA.1
MSSAAG
>seqA.2
MSSAAG
>seqB.1
MEEAGE
>seqC.1
MDSIRR
>seqD.1
MACTAA
>seqD.2
MACTAA
>seqD.3
MACTAA
>seqD.4
DIFFER

au final, j'aimerais avoir
>seqA.1
MSSAAG
>seqB.1
MEEAGE
>seqC.1
MDSIRR
>seqD.1
MACTAA

Pouvez vous écrire proprement et en français, car je ne comprends pas ce que vous dites. Merci !!

Voila comment je ferais :

Code:

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
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
use Bio::SeqIO;
 
# fichier d'entrée
my $in  = Bio::SeqIO->new(-file => "P:/fichier", '-format' => 'Fasta');
 
my %hash;
 
# récupération des séquences et $id
while ( my $seq = $in->next_seq()){
 
    # on ne récupère que les séquences .1
    if ($seq->primary_id =~ /\.1/){
        $hash{$seq->primary_id} = $seq->seq ;   
    }
 
}
 
# affichage
foreach my $t (keys %hash){
    print  "clé: $t\nvaleur: $hash{$t}\n";#verif
}

Qu'obtiens-tu avec ce script?

Voici ton script corrigé ;

Code:

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
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
 
open my $data, '<', 'sequences.txt' or die;
 
 
my %hash;
my $count;
 
my $nom;
my $sequence;
 
while (my $line = <$data>) {
 
    chomp($line);
 
 
    if($line =~ /^>/){
 
	$nom=$line;
	$count ++;
    }
    else{
 
	$sequence=$line;
    }
 
    $hash{$nom} = $sequence;
 
}
 print("nb count: $count\n");
 
 
 
foreach my $t (keys %hash){
 
    if ($t =~ /\.1/){
	print  "$t\n$hash{$t}\n";
    }
}

Et ici une façon plus optimale d'obtenir ce que tu veux

Code:

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
 
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
 
open my $data, '<', 'sequences.txt' or die;
 
 
my $count;
 
my $nom;
my $sequence;
 
while (my $line = <$data>) {
 
    chomp($line);
 
 
    if($line =~ /^>/){
 
		$nom=$line;
		$count ++;
    }
    else{
 
	    $sequence=$line;
 
	    if ($nom =~ /\.1/){
		print  "$nom\n$sequence\n";
	    }
    }
 
}
 print("nb count: $count\n");

Je te conseille quand même d'utiliser le module Bio::SeqIO c'est plus propre

22/11/2010, 14h19
pontarose

un grand merci Jasmine, les deux script fonctionne.

Une question subsidiare le nom de ma séquence est longue et du coup dans mon résultat final, le nom de celle-ci est est tronqué. Connais-tu un moyen de remedier à cela?

>LOCUS_xxxxxxx.1|xxxxxxxxxxxx|proteinxxx xxxxxx xxxxxxxx xxxxxxx, xxxxxxxxx
22/11/2010, 14h24
Jasmine80

Ce n'est pas perl qui tronque ton identifiant, il prend l'entièreté de la 1ère ligne.
22/11/2010, 14h57
pontarose
Je viens de comprendre le problème vient des espaces contenues dans ma ligne:

Dans mon fichier final, j'obtiens:
>LOCUS_xxxxxxx.1|xxxxxxxxxxxx|proteinxxx
alors que ma ligne est:
>LOCUS_xxxxxxx.1|xxxxxxxxxxxx|proteinxxx xxxxxx xxxxxxxx xxxxxxx, xxxxxxxxx

faut que je substitue les espaces pour ensuite les regénerer?
Code:

1 2 3 4 5 6 while ( my $seq = $in->next_seq()){ # on ne récupère que les séquences .1 if ($seq->primary_id =~ /\.1/){ $hash{$seq->primary_id} = $seq->seq ; } }
23/11/2010, 08h41
Jasmine80
Citation:

Envoyé par pontarose

faut que je substitue les espaces pour ensuite les regénerer?

Tu peux remplacer les espaces par des * puis refaire la transformation inverse
Code:

1 2 s/\s/\*/g s/\*/\s/g
Code:

1 2 s[\*][\s]g s[\*][\s]g
cf : substitution, expression régulière