为 DNA 序列创建数组哈希，Perl

Question

我有一个名为 %id2seq 的散列，其中包含由键 $id 引用的 DNA 序列字符串。我希望能够通过使用字符串中的某个位置作为参考来操纵 DNA 序列。例如，如果我的 DNA 序列是 ACGTG，我的 $id 将是 Sequence 1，我的 $id2seq{'Sequence 1'} 将是 ACGTG，而我的 "theoretical" $id2seq{'Sequence 1'}[3] 将是 G。我试图创建一个数组散列来执行此操作，但我得到了一个奇怪的输出（见下面的输出）。我很确定这只是我的格式任何输入都是有帮助的，我提前表示感谢。

这是输入文件的片段：

>Sequence 1
TCAGAACCAGTTATAAATTTATCATTTCCTTCTCCACTCCT
>Sequence 2
CCCACGCAGCCGCCCTCCTCCCCGGTCACTGACTGGTCCTG
>Sequence 3
TCGACCCTCTGGAACCTATCAGGGACCACAGTCAGCCAGGCAAG

这是我目前尝试的片段。（我有一个哈希 table 可以访问一个 DNA 序列被注释掉的文件）：

use strict;
use warnings;

print "Please enter the filename of the fasta sequence data: ";
my $filename1 = <STDIN>;

#Remove newline from file
chomp $filename1;

#Open the file and store each dna seq in hash
my %id2seq = ();
my $id = '';
open (FILE, '<', $filename1) or die "Cannot open $filename1.",$!;
my $dna;
while (<FILE>)
{
    if($_ =~ /^>(.+)/)
    {
        $id = ;
    }
    else
    {
        ## $id2seq{$id} = $_; used to create hash table
        @seqs = split '', $_;
        $id2seq{$id} = [ @seqs ];
    }
}
close FILE;
foreach $id (keys %id2seq)
{
    print "$id2seq{$id}[@seqs]\n\n";
}

输出

Use of unitialized value in concatenation (.) or string at line 37.


T

G

A

T

T

Answer 1

@seqs 包含最后一个序列中的字符。 $id2seq{$id}[@seqs] 实际上意味着 $id2seq{$id}[N] 其中 N 是最后一个序列的长度。因此，您只打印每个序列中的一个字符，如果该序列比最后一个字符短，则会收到警告。

如果您 print 只是为了调试，使用它会更容易：

use Data::Dumper;
print Dumper(\%id2seq);

否则你必须在嵌套循环中自己迭代 $id2seq{$id}。

Answer 2

此行不正确：

print "$id2seq{$id}[@seqs]\n\n";

$id2seq{$id} 是一个数组引用，所以正确的打印方式是

print "@{ $id2seq{$id} }\n\n";

一个完整的例子是：

#!/usr/bin/perl
use warnings;
use strict;

my $current_id;
my %id2seq;
while (<DATA>) {
    chomp;
    if (/^>(.+)/) {
        $current_id = ;
    } else {
        $id2seq{$current_id} = [ split(//) ];
    }
}

print "@{ $_ }\n" foreach (values %id2seq);

exit 0;

__DATA__
>Sequence 1
TCAGAACCAGTTATAAATTTATCATTTCCTTCTCCACTCCT
>Sequence 2
CCCACGCAGCCGCCCTCCTCCCCGGTCACTGACTGGTCCTG
>Sequence 3
TCGACCCTCTGGAACCTATCAGGGACCACAGTCAGCCAGGCAAG

测试运行：

$ perl dummy.pl
T C G A C C C T C T G G A A C C T A T C A G G G A C C A C A G T C A G C C A G G C A A G
C C C A C G C A G C C G C C C T C C T C C C C G G T C A C T G A C T G G T C C T G
T C A G A A C C A G T T A T A A A T T T A T C A T T T C C T T C T C C A C T C C T

Answer 3

您需要打印

$id2seq{$id}[3]\n\n";

获取第四个值。此外，您从未使用 'my' 定义 @seqs 如此严格并且警告是抱怨，因此 'Use of unitialized value in concatenation (.) or string at line 37.'。删除 warnings/strict 或定义 @seqs

为 DNA 序列创建数组哈希，Perl

Creating a hash of arrays for DNA sequences, Perl

arrays

perl

hash

dna-sequence