remanier un fichier avec des regex

Version imprimable

Bonjour à tous,

J'avais déjà posté concernant mon problème mais le bug du forum l'a effacé... du coup je retente ma chance ! :D

J'ai en entrée un fichier fasta se présentant sous la forme:

Code:

1
2
3
4
5
6
7
8
9
10
>segment749_1 
SSGAKRSSRGSRDFSWAAYRFHATSANRNAVEPTSSEVWIWV*RH*ESNPSTIPAIAS
RSASTVEISAARDCMSTSSSRLAAPNPLPTPGPT*SMWEGRTGVVSSIAVAKRFASFA
TGASRRQTLGSQPSFVRLVSSTVSDSRLMTSAALSARASAQDRRTTAGTRRRPWWGSF
DSLPRAPVRSR*RSPRSSKRGTRAS*RRWAW*CCGQCTSLGSRWRRLARPSAWIARSG
PTCCTTTATTSGRL*STLRGVPKRTTPWLHISWELLHSEPSEAYAMARATSGCIC*WS
YIHLSPCSAQTYT**ARSSVWPQTCGARARNRSHPGPVAYRRVS*RSEGCCAGRWRR*
PR*RRSRWAQLLARWRRDRRSRGARSSGQTGGRRAR*GCSRTSSGTGARHRCASRPDR
PQSRRGTRSTRCSERAT*RPRWRNAPTRSPPTPSRCGRHGAASRGTTRGALLHGVPF*
GATAPRCTPVRTSGATCSR*PRSHSPSRSRR*

on y voit notamment plein d'étoiles partout que je souhaite enlever... chaque séquence entre les étoiles correspond à un cadre de lecture, cette séquence pouvant se situer sur 2 lignes ou plus ou alors sur 3 lettres (en bleu)... il y a aussi des cadres qui ne donnent rien d'où le ** (en vert)...

J'ai écrit un script en 2 temps et j'aimerais savoir si vous auriez des idées pour transformer les 2 parties en 1...

1ère étape:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
 
foreach my $line (@file){
 
   if ($line =~ /\>/)
   {$line =~ s/\>/\n\>/g;}      # ajoute un retour à la ligne sinon on a un problème par la suite
   else
   {
   $line =~ s/\n//g;             #remplace le retour à la ligne par rien car on a des séquences sur plusieurs lignes
   $line =~ s/\*\*/\*/g;      # remplace les ** par une seule car on a pas de séquence
   $line =~ s/\*/\n/g;          # remplace toutes les * par un retour à la ligne qui permet de visualiser chaque séquence
	}
    print $out $line;
}

pour obtenir:

Code:

1
2
3
4
5
6
7
8
9
10
11
>segment749_1 
SSGAKRSSRGSRDFSWAAYRFHATSANRNAVEPTSSEVWIWV
RH
ESNPSTIPAIASRSASTVEISAARDCMSTSSSRLAAPNPLPTPGPT
SMWEGRTGVVSSIAVAKRFASFATGASRRQTLGSQPSFVRLVSSTVSDSRLMTSAALSARASAQDRRTTAGTRRRPWWGSFDSLPRAPVRSR
RSPRSSKRGTRAS
RRWAW
CCGQCTSLGSRWRRLARPSAWIARSGPTCCTTTATTSGRL
STLRGVPKRTTPWLHISWELLHSEPSEAYAMARATSGCIC
WSYIHLSPCSAQTYT
ARSSVWPQTCGARARNRSHPGPVAYRRVS

2ème étape
avec un print foreach line..

J'obtiens:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>segment749_1 _ORF_1
SSGAKRSSRGSRDFSWAAYRFHATSANRNAVEPTSSEVWIWV
>segment749_1 _ORF_2
RH
>segment749_1 _ORF_3
ESNPSTIPAIASRSASTVEISAARDCMSTSSSRLAAPNPLPTPGPT
>segment749_1 _ORF_4
SMWEGRTGVVSSIAVAKRFASFATGASRRQTLGSQPSFVRLVSSTVSDSRLMTSAALSARASAQDRRTTAGTRRRPWWGSFDSLPRAPVRSR
>segment749_1 _ORF_5RSPRSSKRGTRAS
>segment749_1 _ORF_6
RRWAW
>segment749_1 _ORF_7
CCGQCTSLGSRWRRLARPSAWIARSGPTCCTTTATTSGRL
>segment749_1 _ORF_8
STLRGVPKRTTPWLHISWELLHSEPSEAYAMARATSGCIC
>segment749_1 _ORF_9
WSYIHLSPCSAQTYT
>segment749_1 _ORF_10
ARSSVWPQTCGARARNRSHPGPVAYRRVS
>segment749_1 _ORF_11
RSEGCCAGRWRR

Donc voilà !! Merci d'avance pour vos conseils

Tu peux utiliser le module Bio::SeqIO qui permet de traiter des fichiers fasta

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#!/usr/bin/perl
 
use strict;
use warnings;
use Bio::SeqIO;
 
 
my $in  = Bio::SeqIO->new(-file => "P:/Perl/scripts/sequence.txt", '-format' => 'Fasta');
 
my $i = 0;
while ( my $seq = $in->next_seq()){
 
	my @seq = split (/\*/,$seq->seq);
	for (@seq){
		if($_){
			$i++;
			print ">".$seq->primary_id."_ORF_".$i."\n".$_."\n";
		}
	}
}

Si tu n'as qu'une seule séquence par fichier, tu peux simplifier par

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#!/usr/bin/perl
 
use strict;
use warnings;
use Bio::SeqIO;
 
 
my $i = 0;
 
my $seq = Bio::SeqIO->new(-file => "P:/Perl/scripts/sequence.txt", '-format' => 'Fasta')->next_seq;
my @seq = split (/\*/,$seq->seq);
for (@seq){
	if($_){
		$i++;
		print ">".$seq->primary_id."_ORF_".$i."\n".$_."\n";
	}
}

19/08/2008, 11h16
chong

MERCI !!
Encore une fois Jasmine tu m'aides énormément....
En fait je pensais pas que le module BioSeqIO pouvait être utilisé comme les séquences n'étaient pas séparées de la même façon que dans un fichier fasta classique... j'avais tenté une approche au début mais ça se concluait par un problème de hash (Bio::hash error je sais plus quoi.. ) du coup j'avais abandonné l'idée...
Merci de m'avoir montré maintes fois l'utilité de ce module ! (je me passerai plus de lui là!)

:merci:
:lahola:

en fait....

euhhh je viens de remarquer que le $i s'incrémente à chaque fois, en fait je voulais le remettre à 0 à chaque nouveau primary id...
je continue mes recherches !

C'est bon !
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 #!/usr/bin/perl use strict; use warnings; use Bio::SeqIO; my $in = Bio::SeqIO->new(-file => "P:/Perl/scripts/sequence.txt", '-format' => 'Fasta'); my $i = 0; while ( my $seq = $in->next_seq()){ $i=0; my @seq = split (/\*/,$seq->seq); for (@seq){ if($_){ $i++; print ">".$seq->primary_id."_ORF_".$i."\n".$_."\n"; } } }
MERCI encore Jasmine !! :king:

Code:

1 2 3 4 5 6 7 8 9 10 11 12 while ( my $seq = $in->next_seq()){ my $i = 0; my @seq = split (/\*/,$seq->seq); for (@seq){ if($_){ $i++; print ">".$seq->primary_id."_ORF_".$i."\n".$_."\n"; } } }
nb : tu peux directement déclarer le $i dans le while au lieu de le faire à l'extérieur (mais ce n'est qu'un détail).

19/08/2008, 12h16
chong

Merci pour l'info je savais pas !!
Mais le mettre dans le while, ça veut pas dire qu'on redéclare la variable à chaque tour de boucle?
19/08/2008, 12h30
Jasmine80

Citation:

Mais le mettre dans le while, ça veut pas dire qu'on redéclare la variable à chaque tour de boucle?

En effet, et elle reste locale à la boucle.
19/08/2008, 13h07
chong

ok merci ! :D
je pensais pas qu'on pouvait, je n'avais jamais testé de peur que cela crée un bug...