Split de fichier

Bonjour à tout et à tous,

Savez vous quel module du Perl ou quel logiciel qui permet de diviser un fichier FASTA en plusieurs fichier de même format? Par exemple j'ai un fichier Fasta comme suivant contenant les séquences, et je veux diviser en trois différents fichiers avec son nom A1.fasta, B1.fasta, C1 fasta.

En général comment diviser un fichier des séquences en N fichiers avec les noms différents?

Merci en avance!
jobim08

>A1
GATACCAGCGGGATCATTATGCCACATTCTGATCTTGGACCTGCATTATAGATCTGACTT
>A2
AAGTCAGATCTATAATGCAGGTCCAAGATCAGAATGTGGCATAATGATCCCGCTGGTATC
>B1
CGCGTCGAAATTTTGCACGGCTGTTAGTTTTACGAGTTGAGCAGTCAAGATTAAATGATG
>B2
CATCATTTAATCTTGACTGCTCAACTCGTAAAACTAACAGCCGTGCAAAATTTCGACGCG
>B3
GGAGCCAGTCACTCATCCTGACGACATTCGGATCATTACTGACGTAGTACTAAGGAACGA
>C1
TCGTTCCTTAGTACTACGTCAGTAATGATCCGAATGTCGTCAGGATGAGTGACTGGCTCC
>C2
GCTAAACTACTGCAGCACCAGAGGGCACATCACCCGTACCTGATTCCACCACCAACTACC
>C3
GGTAGTTGGTGGTGGAATCAGGTACGGGTGATGTGCCCTCTGGTGCTGCAGTAGTTTAGC
>C4
CCATTGCTATTGCCACCGGATCCTCAGACTTCGTTGGTGTATCAGCTATCGCATCTGGTT
>C5
CCATTGCTATTGCCACCGGATCCTCAGACTTCGTTGGTGTATCAGCTATCGCATCTGGTT

Bonjour,

Sur quelle base veux-tu repartir tes séquences? Le fichier A doit-il contenir toutes les séquences contenant un A (ici A1 et A2)?

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

#!/usr/bin/perl   use strict; use warnings; use Bio::SeqIO;     # fichier d'entrée my $in = Bio::SeqIO->new(-file => "test.txt", '-format' => 'Fasta');   # les fichiers de sortie my $outA= Bio::SeqIO->new(-file => ">sequencesA.fsa", '-format' => 'Fasta'); my $outB = Bio::SeqIO->new(-file => ">sequencesB.fsa", '-format' => 'Fasta'); my $outC = Bio::SeqIO->new(-file => ">sequencesC.fsa", '-format' => 'Fasta');   # récupération des séquences while ( my $seq = $in->next_seq()){ if($seq->primary_id =~ /A/){ $outA->write_seq($seq); } elsif($seq->primary_id =~ /B/){ $outB->write_seq($seq); } elsif($seq->primary_id =~ /C/){ $outC->write_seq($seq); } }

---

non je pense que jobim veut faire un fichier par séquence
(mais étant donner que je connais pas encore tout à fait le module je ne donnerais pas le code même is j'ai une vague idée de ce qu'il faut mettre j'aimerais bien voir ce que tu ferais dans ce cas la jasmine :))

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#!/usr/bin/perl   use strict; use warnings; use Bio::SeqIO;     # fichier d'entrée my $in = Bio::SeqIO->new(-file => "test.txt", '-format' => 'Fasta');   # récupération des séquences while ( my $seq = $in->next_seq()){ my $id = $seq->primary_id ; my $out = Bio::SeqIO->new(-file => ">".$id.".fa", '-format' => 'Fasta'); $out ->write_seq($seq); }

---

Merci beaucoup Jasmine!

Ton programme me plait bien. Je t'explique en détaille mon problème comme suit:

- j'ai une liste de 384 séquences (séquences sont nommés: A1,...P1, A2,...P2, A24,...,P24) à comparer avec une autre base de séquences donc j'ai utilisé BLAST. Le résultat est un fichier qui contient le nom de séquences et les SUJETS sur les quels les séquences matchent 100% (Identities = 100%). Alors il y a pour chaque séquence il y a certains SUJETS qui matchent 100%. Le fichier de résultat est comme suit:

>nom de séquence (A1,...,P24)
SUBJET (string ADN ACGT)

...

Par exemple


>A1
GATACCAGCGGGATCATTATGCCACA.....TTCTGATCTTGGACCTGCATTATAGATCTGACTT
>A1
AAGTCAGATCTATAATGCAGGTCCAAG....ATCAGAATGTGGCATAATGATCCCGCTGGTATC
>A1
CGCGTCGAAATTTTGCACGGCTGTTAGT....TTTACGAGTTGAGCAGTCAAGATTAAATGATG
>B1
GATACCAGCGGGATCATTATGCCACA.....TTCTGATCTTGGACCTGCATTATAGATCTGACTT
>B1
AAGTCAGATCTATAATGCAGGTCCAAG....ATCAGAATGTGGCATAATGATCCCGCTGGTATC
>B1
CGCGTCGAAATTTTGCACGGCTGTTAGT....TTTACGAGTTGAGCAGTCAAGATTAAATGATG
......
......
>P1
CATCATTTAATCTTGACTGCTCAACTCGT....AAAACTAACAGCCGTGCAAAATTTCGACGCG
>P1
GGAGCCAGTCACTCATCCTGACGACATTCG....GATCATTACTGACGTAGTACTAAGGAACGA
>A2
TCGTTCCTTAGTACTACGTCAGTAATGATCCGAATGTCGTCAGGATGAGTGACTGGCTCC
>A2
GCTAAACTACTGCAGCACCAGAGGGCACATCACCCGTACCTGATTCCACCACCAACTACC
>B2
GGTAGTTGGTGGTGGAATCAGGTACGGGTGATGTGCCCTCTGGTGCTGCAGTAGTTTAGC
...
...
>P2
CCATTGCTATTGCCACCGGATCCTCAGACTTCGTTGGTGTATCAGCTATCGCATCTGGTT
>P2
AACCAGATGCGATAGCTGATACACCAACGAAGTCTGAGGATCCGGTGGCAATAGCAATGG
...
...
>A24
ACGCAGAGTTCAAAGGAAAAGGAGAAAGGAGTGTTGAAGAAACAGCAAGAATGGTTGGTT
>A24
AACCAACCATTCTTGCTGTTTCTTCAACACTCCTTTCTCCTTTTCCTTTGAACTCTGCGT
>A24
CCCAGGGAACAAATGCTCTACGCCTTGACGGTACATATTTTCCAGGGCATATGGAATTAT
...
...
>P24
ATAATTCCATATGCCCTGGAAAATATGTACCGTCAAGGCGTAGAGCATTTGTTCCCTGGG
>P24
GTCCAAAGTCTTCTATTACAAAATGAAGGGTGATTACCACCGATACCTGGCGGAGTTCGC

- Ensuite, je dois faire, pour chaque séquence, le contigage des SUJETS. Par exemple avec séquence A1, je dois faire le contigage de 3 SUJETS, pour P24 je dois faire 2 SUJETS.
- Car plupart de software de contigage peut lancer un seul fichier par un job. Donc je dois obliger diviser mon fichier de résultat en des fichier correspondant au nom de séquences. C'est à dire chaque fichier contient de SUJETS qui corresponds à une séquences.
- Alors dans le cas 384 séquences sont matches donc j'aurai 384 fichiers à faire le contigage. Donc avec l'exemple au-dessus, le premier fichier doit contient 3 SUJETS de séquences A1, et le dernier contient 2 SUJETS de P24. C'est à dire on divise le fichier selon nom de séquences. Par exemple les séquences nommés A1 sont situées dans le même fichier,..., les séquences nommé P24 sont situées dans le même fichier.

Voilà, j'espère que vous comprenez mon problème et pour quoi je dois diviser mon fichier selon le nom de séquences.

Merci m'aider à résoudre ce problème!
Jobim

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#!/usr/bin/perl   use strict; use warnings; use Bio::SeqIO;     # fichier d'entrée my $in = Bio::SeqIO->new(-file => "test.txt", '-format' => 'Fasta');   # récupération des séquences while ( my $seq = $in->next_seq()){ my $id = $seq->primary_id ; my $out = Bio::SeqIO->new(-file => ">>".$id.".fa", '-format' => 'Fasta'); $out ->write_seq($seq); }

---

Citation:

---

The new() class method constructs a new Bio::SeqIO object. The returned object can be used to retrieve or print Seq objects. new() accepts the following parameters:

-file

A file path to be opened for reading or writing. The usual Perl conventions apply:

'file' # open file for reading
'>file' # open file for writing
'>>file' # open file for appending
'+<file' # open file read/write
'command |' # open a pipe from the command
'| command' # open a pipe to the command

-fh

You may provide new() with a previously-opened filehandle. For example, to read from STDIN:

$seqIO = Bio::SeqIO->new(-fh => \*STDIN);

---

Salut Jasmin,

J'ai testé ton programme, chaque séquence correspond à un fichier. Ce n'est pas le cas que je veux. Peut être t'as pas compris mon problème :(. Les séquences sont divisées à la façon suivante:

- Tout les séquences marquées par A1 sont divisées dans un fichier car plusieurs séquences ont le même nom A1,..., puis tout les séquences marquées par le même nom B1 dans un fichier,..., et de même tout les séquences marquées par le même nom P1 dans un fichier (voir la structure de mon fichier en bas).

- Tout les séquences marquées par A2 sont divisées dans un fichier car plusieurs séquences ont le même nom A2,..., puis tout les séquences marquées par le même nom B2 dans un fichier,..., et de même tout les séquences marquées par le même nom P2 dans un fichier.

.....
.....

- Tout les séquences marquées par A24 sont divisées dans un fichier car plusieurs séquences ont le même nom A24,..., puis tout les séquences marquées par le même nom B24 dans un fichier,..., et de même tout les séquences marquées par le même nom P24 dans un fichier.

Voici je résume mon fichier:

>A1
>A1
..
>A1
>B1
>B1
..
>B1
>P1
>P1
...
>P1
>A2
>A2
..
>A2
>B2
>B2
..
>B2
>P2
>P2
..
>P2
>A24
>A24
..
>A24
>B24
>B24
..
>B24
>P24
>P24
..
>P24

Trang

Relis bien et tu verras que j'ai modifié un caractère dans le dernier script envoyé. Essaie de comprendre les explications jointes et les différentes façons d'ouvrir un fichier. Et s'il te plait, j'aimerais que tu arrêtes de polluer ma boîte de réception avec des copiés-collés de tes posts.

Merci beaucoup. J'ai testé le programme, ça me plait beaucoup!

jobim