expression regulière perl

Version imprimable

Bonjour à tous,
J'ai un fichier de ce type

Code:

1
2
3
4
5
6
7
8
9
>FBtr0086024 type=mRNA; loc=2R:complement(1944862..1947063); ID=FBtr0086024; name=CG7856-RA; dbxref=FlyBase:FBtr0086024,FlyBase_Annotation_IDs:CG7856-RA,REFSEQ:NM_136354; score=11; score_text=Strongly Supported; MD5=7ca9c4371b97aaf7046cf83fefb65eb8; length=2202; parent=FBgn0033056; release=r5.41; species=Dmel; 
GGTAAAGTTGCCTTGGCGTCAGTTGGCAGTTTGGGAAAAGCCTACACACT
TAATATTTCGATAGATACACTTATTTCGCAATCGTAGAAGATACCACAAA
TCTCTCTTCCGTAAATTATAAGTATGTCCAAGAGGGTGAGCATCATGTTG
CCCGACGAAATACCTGCGGCTCCGTCAGGCAGCAGGAGGAACCCGATGCC
CAGCCGCACACTCAAAAGTTCCATTAAAAGTGGATCAAGCGCTCGGACGC
AACCCGCACCGCCAGTGTTCGTGGTTGTCAACCCGGAGAGCAGCCAAAGC
>FBtr0082362 type=mRNA; loc=3R:complement(7065763..7066534,7066588..7066713); ID=FBtr0082362; name=scpr-B-RA; dbxref=FlyBase:FBtr0082362,FlyBase_Annotation_IDs:CG17210-RA,REFSEQ:NM_141804; score=11; score_text=Strongly Supported; MD5=25e114d26d66ed6f81abb662444baae7; length=898; parent=FBgn0037888; release=r5.41; species=Dmel; 
CCAACGCTGAAGATGGCCATTAAGTGTCTGATTTTGCTTACTTCCCTGCT

Et je souhaiterai supprimer tous les caractères de retour chariot avant les ">FBtr" de façon à avoir une ligne pour chaque "FBtr".
J'ai essayé de cette facon :

Code:

perl -pe 's/\n//g' mon ficiher

Mais cela me supprime tous les retours chariots et me donne quelque chose d'illisible ...
Comment puis je m'y prendre ?
Merci d'avance pour vos réponses,
Isa

02/11/2011, 10h30
djibril

Code:

perl -pe 's/(.)>/$1\n>/g' mon ficiher
02/11/2011, 10h36
Isabella83

Merci pourriez vous détailler s'il vous plait ?
(.) => je ne comprends pas
/$1 => je ne comprends pas
Désolée mais c'est la première fois que j'utilise les expressions regulières ...
02/11/2011, 10h49
djibril

Avant d'expliquer, est-ce que ça fonctionne :aie: ? Car je n'ai pas testé !
02/11/2011, 10h53
Isabella83

Non ca ne fonctionne pas !
En fait j'essai d'enlever ces espaces car je souhaite conservers seulement certaines informations après la >FBtr et je souhaite garder aussi la sequence mais lorsque je fais

Code:

egrep '^[>FBtr\d+]' mon fichier

Je n'ai que les entêtes et plus la séquence, donc je pense que ca vient des \n ...
02/11/2011, 11h06
djibril

Citation:

Envoyé par Isabella83

je souhaiterai supprimer tous les caractères de retour chariot avant les ">FBtr" de façon à avoir une ligne pour chaque "FBtr".

Citation:

Envoyé par Isabella83

En fait j'essai d'enlever ces espaces car je souhaite conservers seulement certaines informations après la >FBtr

Faut savoir ce que vous voulez ;). Essayez d'être clair. Et avant de vouloir faire de l'uniligne Perl, apprenez déjà à faire un programme. Inutile de se précipiter.
02/11/2011, 11h15
Isabella83

Et bien je souhaite récupérer certaines information du <FBtr + la séquence qui suit ce >FBtr mais surement à cause des \n quand je fais mon egrep, je ne récupére que le >FBtr et je perds l'info de ma séquence.
J'ai entendu que les expressions regulières étaient puissante sur perl voila pourquoi je me suis dirigée vers ce langage.
Est il possible, en perl, de ne garder que les informations qui nous intéressent dans un fichier ? Comment puis je m'y prendre ?
02/11/2011, 11h19
djibril

Tout est possible en Perl. Mais pour faire de bonnes expressions régulières, il faut bien savoir ce que l'on veut faire et dans votre cas, je ne comprends pas.

Il faudrait nous mettre un exemple de fichier d'entrée et de sortie.

Quelle est votre version de Perl ? Sous quelle OS travaillez-vous ?

Donc, voici ce que j'ai :

Code:

1
2
3
4
5
6
7
8
9
10
>FBtr0086024 type=mRNA; loc=2R:complement(1944862..1947063); ID=FBtr0086024; name=CG7856-RA; dbxref=FlyBase:FBtr0086024,FlyBase_Annotation_IDs:CG7856-RA,REFSEQ:NM_136354; score=11; score_text=Strongly Supported; MD5=7ca9c4371b97aaf7046cf83fefb65eb8; length=2202; parent=FBgn0033056; release=r5.41; species=Dmel; 
GGTAAAGTTGCCTTGGCGTCAGTTGGCAGTTTGGGAAAAGCCTACACACT
TAATATTTCGATAGATACACTTATTTCGCAATCGTAGAAGATACCACAAA
TCTCTCTTCCGTAAATTATAAGTATGTCCAAGAGGGTGAGCATCATGTTG
CCCGACGAAATACCTGCGGCTCCGTCAGGCAGCAGGAGGAACCCGATGCC
CAGCCGCACACTCAAAAGTTCCATTAAAAGTGGATCAAGCGCTCGGACGC
AACCCGCACCGCCAGTGTTCGTGGTTGTCAACCCGGAGAGCAGCCAAAGC
TCGCTTACCTCGGGTCAGCGGAACAACACCAGCACGACCAGCAACAGTTC
CCTTAACCAACGAAATAAGGAGCACTCCGCGGCGAGGTTGTCAGTAACCG
AAGATACGGCAGCCCTGGACAGCAGTGCCTTGCTTCAAGGTGGATCCTCA

et voici ce que je veux :

Code:

1
2
3
4
5
6
7
8
9
10
>FBtr0086024;CG7856-RA;NM_136354;FBgn0033056 
GGTAAAGTTGCCTTGGCGTCAGTTGGCAGTTTGGGAAAAGCCTACACACT
TAATATTTCGATAGATACACTTATTTCGCAATCGTAGAAGATACCACAAA
TCTCTCTTCCGTAAATTATAAGTATGTCCAAGAGGGTGAGCATCATGTTG
CCCGACGAAATACCTGCGGCTCCGTCAGGCAGCAGGAGGAACCCGATGCC
CAGCCGCACACTCAAAAGTTCCATTAAAAGTGGATCAAGCGCTCGGACGC
AACCCGCACCGCCAGTGTTCGTGGTTGTCAACCCGGAGAGCAGCCAAAGC
TCGCTTACCTCGGGTCAGCGGAACAACACCAGCACGACCAGCAACAGTTC
CCTTAACCAACGAAATAAGGAGCACTCCGCGGCGAGGTTGTCAGTAACCG
AAGATACGGCAGCCCTGGACAGCAGTGCCTTGCTTCAAGGTGGATCCTCA

Je suis sous windows 7 mais j'ai virtual box pour utiliser linux

02/11/2011, 11h59
djibril

De ce que vous nous montrez, vous souhaitez analyser les entêtes de vos séquences fasta pour en extraire quelques informations.
Vos allez devoir faire un programme car il faudra quelques lignes de codes pour une meilleure lisibilité du code.
Vos entêtes sont elles toujours identiques (c'est-à-dire de même type) ?
02/11/2011, 12h01
Isabella83

oui les en tête sont toujours identiques
Comment feriez vous ?
J'ai essayé ceci :

my $s = ">FBtr0086024 type=mRNA; loc=2R:complement(1944862..1947063); ID=FBtr0086024; name=CG7856-RA; dbxref=FlyBase:FBtr0086024,FlyBase_Annotation_IDs:CG7856-RA,REFSEQ:NM_136354; score=11; score_text=Strongly Supported; MD5=7ca9c4371b97aaf7046cf83fefb65eb8; length=2202; parent=FBgn0033056; release=r5.41; species=Dmel;";

if( $s=~/^[>FBtr\d+](.)+ID=[FBtr][0-9]+/ ) {
my $ID = $1 ;
print ("$ID");

}
mais cela ne me renvoi rien ...

fichier_fasta.fasta

Citation:

>FBtr0086024 type=mRNA; loc=2R:complement(1944862..1947063); ID=FBtr0086024; name=CG7856-RA; dbxref=FlyBase:FBtr0086024,FlyBase_Annotation_IDs:CG7856-RA,REFSEQ:NM_136354; score=11; score_text=Strongly Supported; MD5=7ca9c4371b97aaf7046cf83fefb65eb8; length=2202; parent=FBgn0033056; release=r5.41; species=Dmel;
GGTAAAGTTGCCTTGGCGTCAGTTGGCAGTTTGGGAAAAGCCTACACACT
TAATATTTCGATAGATACACTTATTTCGCAATCGTAGAAGATACCACAAA
TCTCTCTTCCGTAAATTATAAGTATGTCCAAGAGGGTGAGCATCATGTTG
CCCGACGAAATACCTGCGGCTCCGTCAGGCAGCAGGAGGAACCCGATGCC
CAGCCGCACACTCAAAAGTTCCATTAAAAGTGGATCAAGCGCTCGGACGC
AACCCGCACCGCCAGTGTTCGTGGTTGTCAACCCGGAGAGCAGCCAAAGC
TCGCTTACCTCGGGTCAGCGGAACAACACCAGCACGACCAGCAACAGTTC
CCTTAACCAACGAAATAAGGAGCACTCCGCGGCGAGGTTGTCAGTAACCG
AAGATACGGCAGCCCTGGACAGCAGTGCCTTGCTTCAAGGTGGATCCTCA
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 #!/usr/bin/perl use strict; use warnings; my $fichier_fasta = 'fichier_fasta.fasta'; open my $fh, '<', $fichier_fasta or die "Impossible de lire le fichier $fichier_fasta\n"; while ( my $ligne = <$fh> ) { chomp $ligne; # Entete if ( $ligne =~ m{^>} ) { my ($type, $loc, $ID, $name, $dbxref, $score, $score_text, $MD5, $length, $parent, $release, $species ) = split /;/, $ligne; $type =~ s{ *type=.*}{}; $name =~ s{ *name=}{}; $parent =~ s{ *parent=}{}; print "$type;$name;$parent\n"; } else { # Séquences print "$ligne\n"; } } close $fh;
Résultat :

Citation:

>FBtr0086024;CG7856-RA;FBgn0033056
GGTAAAGTTGCCTTGGCGTCAGTTGGCAGTTTGGGAAAAGCCTACACACT
TAATATTTCGATAGATACACTTATTTCGCAATCGTAGAAGATACCACAAA
TCTCTCTTCCGTAAATTATAAGTATGTCCAAGAGGGTGAGCATCATGTTG
CCCGACGAAATACCTGCGGCTCCGTCAGGCAGCAGGAGGAACCCGATGCC
CAGCCGCACACTCAAAAGTTCCATTAAAAGTGGATCAAGCGCTCGGACGC
AACCCGCACCGCCAGTGTTCGTGGTTGTCAACCCGGAGAGCAGCCAAAGC
TCGCTTACCTCGGGTCAGCGGAACAACACCAGCACGACCAGCAACAGTTC
CCTTAACCAACGAAATAAGGAGCACTCCGCGGCGAGGTTGTCAGTAACCG
AAGATACGGCAGCCCTGGACAGCAGTGCCTTGCTTCAAGGTGGATCCTCA

02/11/2011, 14h23
Isabella83

Merci pour votre aide, j'ai quelques questions :

Code:

$ligne =~ m{^>}

traite les >FBtr sur plusieurs lignes donc >FBtr+séquence ?

Code:

$type =~ s{ *type=.*}{};

traite seulement la ligne contenant le "type" suivi de n'importe quel caractère ? Je ne comprends pas à quoi correspond {} après s{ *type=.*}

J'aimerai comprendre la totalité du programme pour pouvoir refaire ce genre de manip de fichier :)