从数组中删除空白正则表达式命中

Question

我正在执行正则表达式搜索并希望仅打印出 fasta 格式的命中（两行数据：第一行以胡萝卜“>”开头，然后是命中，第二行没有胡萝卜，但是仍然包含命中信息）。
我可以成功生成一个输出 multifasta 文件，但无论是否命中，胡萝卜和换行符都包含在输出文件中。

生成的输出：

    > 

    >

    >TAGCTAGC
    TAGCTAGC
    >

    >GCTAGCTA
    GCTAGCTA

期望的输出：

    >TAGCTAGC
    TAGCTAGC  
    >GCTAGCTA  
    GCTAGCTA

这是我的代码：

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

    open(CLUSTER, ">", "SequencesToCluster.txt") or die $!; 

    my @TrimmedSequences; 

    my @ArrayofFiles = glob ("~/BLASTdb/Individual_Sequences_*"); 

    foreach my $file (@ArrayofFiles){ 
        open (my $sequence, $file) or die "can't open file: $!"; 
        while (my $line = <$sequence>){ 
            if ($line !~/^>/){ 
            my $seq = $line; 
            $seq =~ s/\R//g; 
            $seq =~ m/([TAGC]{16})(CGGAGCTTTA|GCCATTTCT|TAAAGCTCCG|AGAAATGGGC/; 
            push(@TrimmedSequences, ">", , "\n", , "\n");  
            } 
       } 
    } 
    #Here I believe I need to manipulate the array to get rid of blank fastas
    print CLUSTER @TrimmedSequences;

Answer 1

如果您要过滤数组，则工具是 grep。

例如

my @new_array = grep { not /^\s*$/ } @old_array;

这将过滤掉任何只有空格的元素。在你的情况下，因为它是空的或只是一个 >:

/^>?\s*$/ 代替。

但是，这解决了一个根本不需要存在的问题。你可以改为：

$seq =~ m/([TAGC]{16})(CGGAGCTTTA|GCCATTTCT|TAAAGCTCCG|AGAAATGGGC)/ 
       && push(@TrimmedSequences, ">", , "\n", , "\n");

而且只有 push 如果正则表达式匹配。

从数组中删除空白正则表达式命中

Remove blank regex hits from an array

arrays

regex

perl

bioinformatics

fasta