数组哈希以创建唯一 ID

Question

我想为包含基因转录本的文件创建唯一 ID。每行由 transcript_id 和内含子组成，格式为：chromosome:start_coord-end_coord:strand。我的文件如下所示：

CUFF.59321      chr7:134136506-134143748:-
CUFF.59321      chr7:134135655-134136337:-
CUFF.59321      chr7:134134550-134135537:-
CUFF.59321      chr7:134133872-134134471:-
CUFF.59321      chr7:134133246-134133748:-
CUFF.59321      chr7:134132814-134133138:-
CUFF.57276      chr7:25163747-25164818:-
CUFF.57276      chr7:25163469-25163569:-

我想合并重复的 transcript_ids（第 1 列）和它们的起点和终点坐标。 CUFF.57276 示例：

CUFF.57276 chr7:25163747-25164818:25163469-25163569:-

为此，我使用了数组哈希。

#!/usr/bin/perl -w

use strict;

my $input_gtf = shift @ARGV or die $!;

my %hash;

open (FILE, "$input_gtf") or die $!;
while (<FILE>) {
    my $line = $_;
    chomp $line;
    my @array = split /:\s+/, $line;
    my $cuff = $array[0];
    my @introns = $array[1];
    $hash{$cuff} = [@introns];
}
foreach my $cuff(keys %hash) {
    print "$cuff:${hash{$cuff}}\n";
}

close FILE;

但是我得到了以下输出：

CUFF.61092      chr8:67968840-67969614:-:ARRAY(0x16a8b10)
CUFF.30258      chr19:16636489-16638890:-:ARRAY(0x15f3b00)
CUFF.47340      chr4:85719262-85722802:-:ARRAY(0x2ae38599de90)

我如何可视化 ARRAY(0x16a8b10) 语句或类似语句的值？

Answer 1

输入中 : 后没有空格，因此 $array[1] 为空。此外，您不想为每一行覆盖 $hash{$cuff}，您希望将新范围 push 放入现有数组中。 @{ ... } 是 数组解引用，它把一个数组引用变成它引用的数组。

这是我的脚本版本：

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

my $input_gtf = shift or die $!;

my %hash;

open my $FILE, $input_gtf or die $!;
while (my $line = <$FILE>) {
    chomp $line;
    my @array = split /:/, $line;
    my ($cuff, $introns) = @array;
    push @{ $hash{$cuff} }, $introns;
}
close $FILE;

for my $cuff (keys %hash) {
    print join ':', $cuff, @{ $hash{$cuff} };
    print "\n";
}

我对代码所做的无关更改：

词法文件句柄的使用。它们更安全，更容易传递。
不需要使用 $_ 只是将其存储在不同的变量中。您可以直接将 <> 赋值给一个变量。

数组哈希以创建唯一 ID

hash of arrays to create unique ids

hash

bioinformatics

bioperl