convertir un fichier fasta en format EMBL via Bio::SeqIO

Bonjour,

pour pouvoir utiliser un programme particulier sur mes séquences (qui sont actuellement au format fasta), je dois les convertir au format embl.

J'ai trouvé ce post où Jasmine80 explique comment se servir du module Bio::seqIO pour convertir un fichier EMBL en fichier fasta.
à partir de là, c'était pas bien compliqué de faire l'inverse.

Voici mon code:

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 44 45 46 47 48

#!/usr/bin/perl -w   ##packages utilises use strict; use diagnostics; use Bio::SeqIO;   #pour la récupération des arguments use vars qw($opt_h $opt_f); use Getopt::Std;   ##recuperation des arguments - initialisation getopts("hf:") or die("erreur(s) de saisie dans les options. Faire -h pour obtenir l'aide\n"); if (defined($opt_h)) { &help; exit; } elsif(!defined($opt_f)) { die("Parametre manquant : -f doit etre definit. Faire -h pour obtenir de l'aide.\n"); }   my $out_file;   if($opt_f =~ m/(.+)\.(fa|fasta)/) { $out_file = "$1.embl"; }   my $in = Bio::SeqIO->new(-file => $opt_f , '-format' => 'fasta'); my $out = Bio::SeqIO->new(-file => ">$out_file" , '-format' => 'EMBL');   while ( my $seq = $in->next_seq() ) { $out->write_seq($seq); }     sub help { print qq{ fasta_to_embl.pl prend en parametre un fichier au format fasta et le convertit au format EMBL (dans un nouveau fichier)   Paramètres : -f : fichier fasta ou multifasta a convertir   }; }

---

Le problème, c'est que le nom de mes fichiers fasta ne contient pas d'identifiant ensembl. Donc en sortie, mes séquences ne sont pas identifiées.

Par exemple, voici une sequence au format fasta en entré :

Code:

---

1 2

>KRT16 CCTGGATAAGGCTTTCGCTCTCTCCAGTTGGGGTATTAATAGCCTTTGGTGACCTTGAAGACCATTTTCAGTTCTGAGGGTGATGGGTCTGTGGATGGACCAGAACTCCAGGCCCAACCTGACACCTGAACACTGAGGTTTTTGTCCAAGATTCCGGGGTCCCCTTTGCCCCTTTTTGGGGTAGGGGTGAGGAGTGTCAGGTTCCCTCTCCCAGGTTTGACTCTGAAGGGATGTGCATCCGTTCTGCTCTTACCTCTGGGATGAATGACCAGGGGAGATGTAGCAGTGACAAAACCCTGGTTCTGCTGAGACAAGGAATTGCCTGCCCCAGTGGAGCTCAGGCAGAAGCAGGCTGTCTCTGGGCTCCTCACCTCAACAGAGACACTGCAGAGCAAGGCCAGTGGCCAGCACCGAGGGATGCCCCACAGCACCCTGAGGAGGCCCCGTCTTGGTGCCCAGACCCCTCCATCCTCCCTCCAGTCCTCGGTGCTGGACCAGGCTCTCAGGCCAAGGCCATGCCCACCATGGGCAGACCTCCTGCCAGTGATCGTGGGGAGGTGGGTGAGAGTTGGGTATACTGGCCCCGCCTGCAGGCATGGTGGGAGCCTGGAGAGGGCCAGAGTTCTGGGTTCTAGTTGCAGCTCTGCAGCTTAAAGCAGAGTGACTTTGAGTGAATCTCTACGCTCACAGAACTGTATGGCACACACTGGGCTCTCCATGCATGCCTGAGTGGGCCCATAACCAGTGCTCTCCCCCAGCTCAGCTGGATGAATGGAGCTGCCAGGCCTAGCCTGGGATCTGTGGACACAGGAGAGAGAACTGCTGGGAACGGATCCCCGGCTAGTCCTGTTTCTACAGGGTAGGGGGGGACTCTGAGGCCCAGGTGGGGTCAGGGGTCATACCTGGCTGTAGTGGCAGGATGGGGCTCCCTCCCACCAGCCTGCAGGTGGGGTGCCTGTGATTAGGAGAGGGCGGTAGAGGAGTGGCAGAGCTAGGTGTGGGGCTGTGGTGTTCTTCAGCTGGGAGTGTGGGGGGCGCAGGGCCCTGCTTAGGGGTGCGGGATGGTGCCAGTGTGTAGAGGTGAGTGTGAGGAGCAGGTGGCTGGAGGGGCAGGATGGGGAGGCTGAGGGGCAGGGCTGGCCCTCGGGGAAGGGCCGGTGGGGTCCTTCGCGCATGTTTCTTTGTGGCTAGTGGTGTGTCATCCCCTTTTACAGATGAGAAAACTGAGGACCAAGGGGCTATAGGACCAGCCTGTGCTGTACAGTTGGTAAGGGCAGAGCAGGGACTCAGTGCCGCCTGTCTAGCTCCATGGCCAGTGCTGTTTGTATGGTGCACACACTTCTGGAGATCCCGGGGGCTCAAGGCAGCCTCTGGAACTGGAATTAGATCCAAGAGGGGAAAGAGAGTTATAGGATTTTTAGAACAGAAGGGACTCTGCAGTCACCCAGTCCAGCCTGGTCACTGAGGGGAAACAGGCCCAGAGGTGGGAGGTGGGGAGCCTCAGGCCACACAGCAAGCAGAGTGAAGACAGGAACTCTGCCCCTGCCCAGAGTGGGACATGTGGGATCCCCACAACTGCTCCCCAAGACAGCCCAGGATGGCATCACTGAGCTCTCTTTCAGCCAAGGCTGTCACTGTGGGGCAGGGAGTTCTTCTGAAGGGCTGACTCACTGCCTGGGGACGCAGTTGCCACAAAGCCACCTGTGCCAAGGCCCGACTGGCCCCGAGGGCTCCAGGAAAGGGAGCCTGATTCCCCACCGCCTAGCCTGAGTCACCACCGAACTCGCATTTCTGTGTTTTTCTCTCGGCCCCACACCCCCAAAGCTGGGTGGGAACTCTGAGCCGGCACACAGCAGAGTTGATCCTGGGCTGAATAATCCAGAGTGAGGAGTTGGACGGGACCGGGAGTGATGAAATCCAGAGGGGAACCTGGAGTCAGCAGTTAGGAGGGCCCCGCCTTCCCCAGCTGCATATAAAGGTCTCTGGGGTTGGAGGCAGCCA

---

et voilà le résultat en sortie :

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 44

ID unknown; SV 1; linear; unassigned DNA; STD; UNC; 2001 BP. XX AC unknown; XX XX FH Key Location/Qualifiers FH XX SQ Sequence 2001 BP; 405 A; 517 C; 670 G; 409 T; 0 other; cctggataag gctttcgctc tctccagttg gggtattaat agcctttggt gaccttgaag 60 accattttca gttctgaggg tgatgggtct gtggatggac cagaactcca ggcccaacct 120 gacacctgaa cactgaggtt tttgtccaag attccggggt cccctttgcc cctttttggg 180 gtaggggtga ggagtgtcag gttccctctc ccaggtttga ctctgaaggg atgtgcatcc 240 gttctgctct tacctctggg atgaatgacc aggggagatg tagcagtgac aaaaccctgg 300 ttctgctgag acaaggaatt gcctgcccca gtggagctca ggcagaagca ggctgtctct 360 gggctcctca cctcaacaga gacactgcag agcaaggcca gtggccagca ccgagggatg 420 ccccacagca ccctgaggag gccccgtctt ggtgcccaga cccctccatc ctccctccag 480 tcctcggtgc tggaccaggc tctcaggcca aggccatgcc caccatgggc agacctcctg 540 ccagtgatcg tggggaggtg ggtgagagtt gggtatactg gccccgcctg caggcatggt 600 gggagcctgg agagggccag agttctgggt tctagttgca gctctgcagc ttaaagcaga 660 gtgactttga gtgaatctct acgctcacag aactgtatgg cacacactgg gctctccatg 720 catgcctgag tgggcccata accagtgctc tcccccagct cagctggatg aatggagctg 780 ccaggcctag cctgggatct gtggacacag gagagagaac tgctgggaac ggatccccgg 840 ctagtcctgt ttctacaggg taggggggga ctctgaggcc caggtggggt caggggtcat 900 acctggctgt agtggcagga tggggctccc tcccaccagc ctgcaggtgg ggtgcctgtg 960 attaggagag ggcggtagag gagtggcaga gctaggtgtg gggctgtggt gttcttcagc 1020 tgggagtgtg gggggcgcag ggccctgctt aggggtgcgg gatggtgcca gtgtgtagag 1080 gtgagtgtga ggagcaggtg gctggagggg caggatgggg aggctgaggg gcagggctgg 1140 ccctcgggga agggccggtg gggtccttcg cgcatgtttc tttgtggcta gtggtgtgtc 1200 atcccctttt acagatgaga aaactgagga ccaaggggct ataggaccag cctgtgctgt 1260 acagttggta agggcagagc agggactcag tgccgcctgt ctagctccat ggccagtgct 1320 gtttgtatgg tgcacacact tctggagatc ccgggggctc aaggcagcct ctggaactgg 1380 aattagatcc aagaggggaa agagagttat aggattttta gaacagaagg gactctgcag 1440 tcacccagtc cagcctggtc actgagggga aacaggccca gaggtgggag gtggggagcc 1500 tcaggccaca cagcaagcag agtgaagaca ggaactctgc ccctgcccag agtgggacat 1560 gtgggatccc cacaactgct ccccaagaca gcccaggatg gcatcactga gctctctttc 1620 agccaaggct gtcactgtgg ggcagggagt tcttctgaag ggctgactca ctgcctgggg 1680 acgcagttgc cacaaagcca cctgtgccaa ggcccgactg gccccgaggg ctccaggaaa 1740 gggagcctga ttccccaccg cctagcctga gtcaccaccg aactcgcatt tctgtgtttt 1800 tctctcggcc ccacaccccc aaagctgggt gggaactctg agccggcaca cagcagagtt 1860 gatcctgggc tgaataatcc agagtgagga gttggacggg accgggagtg atgaaatcca 1920 gaggggaacc tggagtcagc agttaggagg gccccgcctt ccccagctgc atataaaggt 1980 ctctggggtt ggaggcagcc a 2001 //

---

au niveau de la séquence, c'est tout à fait ce que je veux, mais pour identifiant et AC, il met unknown.

Ce que j'aimerais, c'est que le nom de ma sequence apparaisse, sinon en identifiant, au moins dans une ligne de description (DE au format ensembl).

Je n'ai pas trouvé de fonction permettant d'éditer / d'ajouter une ligne dans le module Bio::SeqIO.

Je vois bien la solution de parser le fichier de résultats et d'ajouter la ligne qui convient en faisant gaffe à l'ordre des séquences, mais je me demandais s'il n'y avait pas une méthode plus propre pour le faire...

Merci d'avance pour vos conseils (en espérant que tout le monde n'est pas partie en vacances :aie:)

Bio::SeqIO manipule des objets BIO::Seq, il faut regarder de ce côté là pour voir comment ajouter les données que tu veux.

Merci, c'est bête mais j'avais pas pensé à aller voir par là :oops:

Du coup, avec la fonction display_id() de l'objet $seq j'arrive à récupérer le nom de mes séquences fasta.

Maintenant, il faut que j'arrive à le réinjecter dans l'objet embl :aie:

petit à petit, on avance vers la solution :mrgreen:

Citation:

---

Envoyé par zaboug

Merci, c'est bête mais j'avais pas pensé à aller voir par là :oops:

Du coup, avec la fonction display_id() de l'objet $seq j'arrive à récupérer le nom de mes séquences fasta.

Maintenant, il faut que j'arrive à le réinjecter dans l'objet embl :aie:

petit à petit, on avance vers la solution :mrgreen:

---

Oui, c'est également ce que j'était entrain de regarder.
Voici la structure de ton fichier de sortie :
ID, qui devrait être le display_id est mis automatiquement à unknow.

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

$VAR1 = bless( { '_molecule' => 'unassigned DNA', '_dates' => [], '_division' => 'UNC', '_secondary_accession' => [], 'primary_seq' => bless( { 'display_id' => 'unknown', 'accession_number' => 'unknown', '_seq_length' => undef, '_root_verbose' => 0, 'seq' => 'CCTGGATAAGGCTTTCGCTCTCTCCAGTTGGGGTATTAATAGCCTTTGGTGACCTTGAAGACCATTTTCAGTTCTGAGGGTGATGGGTCTGTGGATGGACCAGAACTCCAGGCCCAACCTGACACCTGAACACTGAGGTTTTTGTCCAAGATTCCGGGGTCCCCTTTGCCCCTTTTTGGGGTAGGGGTGAGGAGTGTCAGGTTCCCTCTCCCAGGTTTGACTCTGAAGGGATGTGCATCCGTTCTGCTCTTACCTCTGGGATGAATGACCAGGGGAGATGTAGCAGTGACAAAACCCTGGTTCTGCTGAGACAAGGAATTGCCTGCCCCAGTGGAGCTCAGGCAGAAGCAGGCTGTCTCTGGGCTCCTCACCTCAACAGAGACACTGCAGAGCAAGGCCAGTGGCCAGCACCGAGGGATGCCCCACAGCACCCTGAGGAGGCCCCGTCTTGGTGCCCAGACCCCTCCATCCTCCCTCCAGTCCTCGGTGCTGGACCAGGCTCTCAGGCCAAGGCCATGCCCACCATGGGCAGACCTCCTGCCAGTGATCGTGGGGAGGTGGGTGAGAGTTGGGTATACTGGCCCCGCCTGCAGGCATGGTGGGAGCCTGGAGAGGGCCAGAGTTCTGGGTTCTAGTTGCAGCTCTGCAGCTTAAAGCAGAGTGACTTTGAGTGAATCTCTACGCTCACAGAACTGTATGGCACACACTGGGCTCTCCATGCATGCCTGAGTGGGCCCATAACCAGTGCTCTCCCCCAGCTCAGCTGGATGAATGGAGCTGCCAGGCCTAGCCTGGGATCTGTGGACACAGGAGAGAGAACTGCTGGGAACGGATCCCCGGCTAGTCCTGTTTCTACAGGGTAGGGGGGGACTCTGAGGCCCAGGTGGGGTCAGGGGTCATACCTGGCTGTAGTGGCAGGATGGGGCTCCCTCCCACCAGCCTGCAGGTGGGGTGCCTGTGATTAGGAGAGGGCGGTAGAGGAGTGGCAGAGCTAGGTGTGGGGCTGTGGTGTTCTTCAGCTGGGAGTGTGGGGGGCGCAGGGCCCTGCTTAGGGGTGCGGGATGGTGCCAGTGTGTAGAGGTGAGTGTGAGGAGCAGGTGGCTGGAGGGGCAGGATGGGGAGGCTGAGGGGCAGGGCTGGCCCTCGGGGAAGGGCCGGTGGGGTCCTTCGCGCATGTTTCTTTGTGGCTAGTGGTGTGTCATCCCCTTTTACAGATGAGAAAACTGAGGACCAAGGGGCTATAGGACCAGCCTGTGCTGTACAGTTGGTAAGGGCAGAGCAGGGACTCAGTGCCGCCTGTCTAGCTCCATGGCCAGTGCTGTTTGTATGGTGCACACACTTCTGGAGATCCCGGGGGCTCAAGGCAGCCTCTGGAACTGGAATTAGATCCAAGAGGGGAAAGAGAGTTATAGGATTTTTAGAACAGAAGGGACTCTGCAGTCACCCAGTCCAGCCTGGTCACTGAGGGGAAACAGGCCCAGAGGTGGGAGGTGGGGAGCCTCAGGCCACACAGCAAGCAGAGTGAAGACAGGAACTCTGCCCCTGCCCAGAGTGGGACATGTGGGATCCCCACAACTGCTCCCCAAGACAGCCCAGGATGGCATCACTGAGCTCTCTTTCAGCCAAGGCTGTCACTGTGGGGCAGGGAGTTCTTCTGAAGGGCTGACTCACTGCCTGGGGACGCAGTTGCCACAAAGCCACCTGTGCCAAGGCCCGACTGGCCCCGAGGGCTCCAGGAAAGGGAGCCTGATTCCCCACCGCCTAGCCTGAGTCACCACCGAACTCGCATTTCTGTGTTTTTCTCTCGGCCCCACACCCCCAAAGCTGGGTGGGAACTCTGAGCCGGCACACAGCAGAGTTGATCCTGGGCTGAATAATCCAGAGTGAGGAGTTGGACGGGACCGGGAGTGATGAAATCCAGAGGGGAACCTGGAGTCAGCAGTTAGGAGGGCCCCGCCTTCCCCAGCTGCATATAAAGGTCTCTGGGGTTGGAGGCAGCCA', '_version' => '1', 'alphabet' => 'dna' }, 'Bio::PrimarySeq' ), '_seq_version' => '1', '_root_verbose' => 0, '_annotation' => bless( { '_typemap' => bless( { '_type' => { 'comment' => 'Bio::Annotation::Comment', 'reference' => 'Bio::Annotation::Reference', 'dblink' => 'Bio::Annotation::DBLink' } }, 'Bio::Annotation::TypeManager' ), '_annotation' => {} }, 'Bio::Annotation::Collection' ) }, 'Bio::Seq::RichSeq' );

---

Bon, j'arrive à ajouter mon identifiant fasta dans une ligne de description EMBL : :ccool:

Code:

---

1 2 3 4 5

while ( my $seq = $in->next_seq() ) { my $id = $seq->display_id(); $seq->desc($id); $out->write_seq($seq); }

---

ça le fera apparaitre en sortie du programme que je ferais tourner sur les fichier EMBL, mais en seconde position, et non en première, ce qui rendra la lecture finale moins facile...

Du coup, je cherche toujours un moyen de mettre mon identifiant dans la ligne ID :aie:

Bio::SeqIO::embl - EMBL sequence input/output stream

Citation:

---

_id_generation_func()

This is function which is called as

print "ID ", $func($annseq), "\n";

To generate the ID line. If it is not there, it generates a sensible ID line using a number of tools.

If you want to output annotations in EMBL format they need to be stored in a Bio::Annotation::Collection object which is accessible through the Bio::SeqI interface method annotation().

The following are the names of the keys which are polled from a Bio::Annotation::Collection object.
reference - Should contain Bio::Annotation::Reference objects
comment - Should contain Bio::Annotation::Comment objects
dblink - Should contain Bio::Annotation::DBLink objects

---

merci pour le lien, ça à l'air puissant, mais j'ai du mal à comprendre comment l'utiliser... :?

Enfin bon, je continue de chercher quand même, je vais bien finir par comprendre comment ça marche ;)

Citation:

---

Envoyé par zaboug

merci pour le lien, ça à l'air puissant, mais j'ai du mal à comprendre comment l'utiliser... :?

Enfin bon, je continue de chercher quand même, je vais bien finir par comprendre comment ça marche ;)

---

Moi non plus, je ne sais pas comment cela fonctionne, je n'utilise jamais le format EMBL. En essayant de comprendre à deux, on trouvera peut-être la solution.

je viens de comprendre pourquoi je comprenais pas :aie:

Si j'ai bien compris, la fonction _id_generation_func() fait partie de l'interface Bio::SeqIO, mais elle n'est pas implémenté :

en essayant le code (à tout hasard ;))

Code:

---

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

while ( my $seq = $in->next_seq() ) { my $id = $seq->display_id(); $seq->desc($id);   my $sequence_as_string = $seq->seq();   my $seqout = Bio::Seq->new( -display_id => $id, -seq => $sequence_as_string, '-format' => 'EMBL');   $seqout -> _id_generation_func($id);   $outIO->write_seq($seqout); print $seqout->display_id()."\n"; }

---

j'ai obtenu l'erreur suivante:

Code:

---

1 2 3 4 5 6 7 8 9 10

mathilde@cgmc134:~/Dossier_partage_VM/distances_edition/bin$ perl fasta_to_embl.pl -f ../resultats/jeu_test_c-jun_human.fa Can't locate object method "_id_generation_func" via package "Bio::Seq" at fasta_to_embl.pl line 44, <GEN0> line 1 (#1) (F) You called a method correctly, and it correctly indicated a package functioning as a class, but that package doesn't define that particular method, nor does any of its base classes. See perlobj.   Uncaught exception from user code: Can't locate object method "_id_generation_func" via package "Bio::Seq" at fasta_to_embl.pl line 44, <GEN0> line 1. at fasta_to_embl.pl line 44

---

du coup, il faudrait créer une classe héritant de bio::seqIO et implémenter la méthode _id_generation_func(). Mais j'ai jamais fait de POO en perl (et j'en ai pas fait des masses dans d'autres langages non plus). Du coup, ça me semble bien compliqué pour si peu.
Il doit y avoir un moyen plus simple, non? :aie:

Si tu regardes bien la structure de l'objet EMBL créé (un des messages précédents), c'est bien un Bio::Annotation::Collection ... le tout est de réussir à modifier ses données ... faut simplement trouver la formule magique.

Code:

---

1 2 3 4 5 6 7 8 9 10

'_annotation' => bless( { '_typemap' => bless( { '_type' => { 'comment' => 'Bio::Annotation::Comment', 'reference' => 'Bio::Annotation::Reference', 'dblink' => 'Bio::Annotation::DBLink' } }, 'Bio::Annotation::TypeManager' ), '_annotation' => {} }, 'Bio::Annotation::Collection' )

---

Je pense qu'il faut faire quelque chose de ce genre :

Code:

---

1 2 3 4 5 6 7

while ( my $seq = $in->next_seq() ) {   my $ac = $seq->annotation(); $ac->add_Annotation('ID',$seq->primary_id);   $out->write_seq($seq); }

---

sauf que pour $seq->primary_id, c'est un objet qui est attendu.

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

my $infile = "test.txt"; my $outfile = "test.EMBL";   my $in = Bio::SeqIO->new(-file => $infile , '-format' => 'fasta'); my $out = Bio::SeqIO->new(-file => ">$outfile" , '-format' => 'EMBL');     while ( my $seq = $in->next_seq() ) {   my $ac = $seq->annotation(); my $dblink = Bio::Annotation::DBLink->new(-database =>"GenBank", -primary_id => $seq->primary_id);   $ac->add_Annotation('dblink',$dblink);     $out->write_seq($seq); }

---

permet de modifier la ligne DR du fichier de sortie et d'y écrire l'ID

Citation:

---

ID unknown; SV 1; linear; unassigned DNA; STD; UNC; 2001 BP.
XX
AC unknown;
XX
XX
DR GenBank; KRT16.
XX
FH Key Location/Qualifiers
FH
XX

---

En fait, j'arrive déjà à ajouter une ligne DE contenant l'identifiant. ça me suffira si on n'arrive pas à modifier la ligne ID. :ccool:

Mais je vais continuer de chercher à partir de tes propositions pour tenter de remplir la ligne d'identification...

je me suis repenchée sur tes précédents posts, et y'a un truc que je comprends pas : comment obtiens tu la structure du fichier de sortie?
En faisant un Dumper sur l'objet $out, j'obtiens ça:

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

out2 : $VAR1 = bless( { '_seqio_seqfactory' => bless( { 'type' => 'Bio::Seq::RichSeq', '_root_verbose' => 0 }, 'Bio::Seq::SeqFactory' ), '_show_dna' => 1, '_func_ftunit_hash' => {}, '_file' => '>../Tmp/test_fasta_to_embl.embl', '_root_cleanup_methods' => [ sub { "DUMMY" } ], '_flush_on_write' => 1, '_filehandle' => \*Symbol::GEN1, '_root_verbose' => 0, '_object_builder' => bless( { 'want_all' => 1, 'object_conds' => [], 'wanted_slots' => [], 'sequence_factory' => $VAR1->{'_seqio_seqfactory'}, 'unwanted_slots' => [], '_root_verbose' => 0, '_objhash' => {} }, 'Bio::Seq::SeqBuilder' ), '_seqio_locfactory' => bless( { '_root_verbose' => 0 }, 'Bio::Factory::FTLocationFactory' ) }, 'Bio::SeqIO::embl' );

---

Ce qui n'est pas la même chose que ce que tu m'as montré... on ne retrouve pas ici les champs qu'il y a dans l'objet $out, je comprends pas très bien :?

c'est fou que ça soit si compliqué (ou en tout cas si peu intuitif) de modifier la ligne d'identification d'un objet seqIO ensembl !!
ça donne pas envie de travailler avec ! (moi j'ai pas le choix dans ce cas là, mais bon...)

Citation:

---

Envoyé par zaboug

je me suis repenchée sur tes précédents posts, et y'a un truc que je comprends pas : comment obtiens tu la structure du fichier de sortie?
En faisant un Dumper sur l'objet $out, j'obtiens ça: ...

---

Je n'ai pas fait un Dumper sur l'objet $out mais j'ai ouvert le fichier de sortie via un second programme pour essayer de comprendre où placer l'identifiant.

Code:

---

1 2 3 4 5 6 7 8 9 10 11

use Bio::SeqIO; use Data::Dumper;     my $infile = "test.EMBL"; # fichier de sortie précédent   my $in = Bio::SeqIO->new(-file => $infile , '-format' => 'EMBL');   while ( my $seq = $in->next_seq() ) { print Dumper $seq; }

---

ah ok, je comprends mieux :)

j'ai beau tourner et retourner le problèlme dans tous les sens, je ne vois pas de solution :(

Et je me suis rendue compte qu'en fait avoir l'identifiant dans DE ne me permettait pas de faire tout ce que je veux. du coup, il faut absolument que je trouve un moyen de supprimer ce "unknown" et de mettre mon id à la place :?

Je sens que je vais me tourner vers la solution pas terrible de parser le fichier final, et de remplacer l'id après coup...

Citation:

---

Envoyé par zaboug

Je sens que je vais me tourner vers la solution pas terrible de parser le fichier final, et de remplacer l'id après coup...

---

:calim2: => :aie:

Citation:

---

Envoyé par Jasmine80

:calim2: => :aie:

---

et oui, c'est pas l'idéal, mais je pars en vacances demain (:yaisse2:) et je veux finir ça avant de partir...

du coup, voilà la solution pas optimale mais qui donne un fichier de la forme qui me convient :

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 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

#!/usr/bin/perl -w   ##packages utilises use strict; use diagnostics; use Data::Dumper; use Bio::SeqIO;   #pour la récupération des arguments use vars qw($opt_h $opt_f); use Getopt::Std;   ##recuperation des arguments - initialisation getopts("hf:") or die("erreur(s) de saisie dans les options. Faire -h pour obtenir l'aide\n"); if (defined($opt_h)) { &help; exit; } elsif(!defined($opt_f)) { die("Parametre manquant : -f doit etre definit. Faire -h pour obtenir de l'aide.\n"); }   my ($tmp_file, $out_file);   if($opt_f =~ m/(.+)\.(fa|fasta)/) { $out_file = "$1.embl"; }   $tmp_file = "tmp_no_id.embl";   my $in = Bio::SeqIO->new(-file => $opt_f , '-format' => 'fasta'); my $out = Bio::SeqIO->new(-file => ">$tmp_file" , '-format' => 'EMBL');     while ( my $seq = $in->next_seq() ) { my $id = $seq->display_id(); $seq->desc($id);   #print Dumper $seq;   $out->write_seq($seq); }   my %stock_id_unknown = (); open(TMP, "<", $tmp_file) or die("Impossible d'ouvrir $tmp_file\n"); open(EMBL, '>', $out_file) or die("Impossible d'ouvrir $out_file\n");   my $cpt_seq = 0; while(my $line = <TMP>) { if($line =~ m/ID unknown(.+)/) { $cpt_seq ++; $stock_id_unknown{$cpt_seq} = $1; } elsif($line =~ m/DE (.+)/) { my $id = $1.$stock_id_unknown{$cpt_seq}; print(EMBL "ID $id\nXX\n"); } elsif($line =~ m/SQ/ || $line =~ m/^\s+[\sactg\d]+/i || $line =~ m/\/\//) { print(EMBL $line); } }   close(EMBL); close(TMP);   # my $infile = $out_file; # fichier de sortie précédent # # $in = Bio::SeqIO->new(-file => $infile , '-format' => 'EMBL'); # # while ( my $seq = $in->next_seq() ) { # print Dumper $seq; # }   sub help { print qq{ fasta_to_embl.pl prend en parametre un fichier au format fasta et le convertit au format EMBL (dans un nouveau fichier)   Paramètres : -f : fichier fasta ou multifasta a convertir   }; }

---

je laisse le sujet non résolu quelques temps, au cas où quelqu'un connaitrait ou trouverait une manière de faire plus propre (ou même moi si j'ai le temps de me repencher dessus avant de partir :aie:)

j'aime pas faire les choses comme ça, ça donne un goût de travail baclé, mais là faut vraiment que j'avance :?

en tous cas, encore merci à toi jasmine, ta patience et tes compétences me rendent régulièrement service :mrgreen:

Bonnes vacances :D

Citation:

---

Envoyé par Jasmine80

Bonnes vacances :D

---

merci :mrgreen::mrgreen:

toi de même (si elles ne sont pas déjà prises ;))