Más sencillo... pues no se me ocurre cómo... está lo mínimo para leer el fichero, guardar la información y luego extraerla según lo indicado...
La estructura de datos es la mínima: por cada parte, tenemos unas @features_cds y un $origin. Lo del $origin está claro: todos los nucleótidos puestos en secuencia, en una variable escalar. Y las @features_cds es un array, del que cada elemento es un hash, que tiene como claves 'parte' y 'nombre', que guardan, respectivamente, el inicio y fin de la posición de la secuencia (en un array) y el nombre del gen.
Y luego a la hora de imprimir el resultado, consiste en repasar todas las @features_cds encontradas y sacar la información del $origin.
Si hay algo que no entiendes, pregunta por él. Si es todo, vamos por partes y te lo explico, pero supongo que sabrás algo de Perl, ya que, también supongo, que si te han encargado algo es porque habrás recibido algún curso o estarás aprendiendo por tu cuenta.
En cuanto a lo de extraer la secuencia de tres en tres se puede hacer de varias formas, siendo una de ellas el substr(), naturalmente.
-
- Publicidad
Fichero GenBank
19 mensajes
• Página 2 de 2 • 1, 2
Publicidad
por raquel » 2008-01-02 17:24 @767
Es una asignatura de mi carrera, pero tenemos un nivel muy básico y creo que demasiado básico e insuficiente para hacer este trabajo... así que me harías un gran favor si me lo explicases con más detalle.
He intentado hacer esta parte por mi cuenta mediante subrutinas que contienen bucles y tengo un problema porque no me me indica fallos en las mismas pero no me extrae lo que le pido. ¿Por qué me pasa eso?
He intentado hacer esta parte por mi cuenta mediante subrutinas que contienen bucles y tengo un problema porque no me me indica fallos en las mismas pero no me extrae lo que le pido. ¿Por qué me pasa eso?
- raquel
- Perlero nuevo
- Mensajes: 10
- Registrado: 2007-12-29 08:01 @375
por explorer » 2008-01-02 17:33 @773
Sin ver el código y el/los mensajes de error, es muy difícil saber qué es lo que está pasando.
JF^D Perl programming & Raku programming. Grupo en Telegram: https://t.me/Perl_ES
-
explorer - Administrador
- Mensajes: 14486
- Registrado: 2005-07-24 18:12 @800
- Ubicación: Valladolid, España
por explorer » 2008-01-05 07:23 @349
Pues eso ya está escrito en mi solución, donde pone
Después de esta línea, dispones de los dos números en las variables $1 y $2.
Using perl Syntax Highlighting
Después de esta línea, dispones de los dos números en las variables $1 y $2.
JF^D Perl programming & Raku programming. Grupo en Telegram: https://t.me/Perl_ES
-
explorer - Administrador
- Mensajes: 14486
- Registrado: 2005-07-24 18:12 @800
- Ubicación: Valladolid, España
por raquel » 2008-01-09 04:05 @212
He logrado hacer una subrutina que me extraiga todas las secuencias desde el ORIGIN hasta las //. Sin números y sin saltos de línea. Por otro lado también he logrado extraer el CDS. Mi problema ahora es unirlo de tal forma que solo me extraiga la secuencia codificante, no sé como hacerlo.
Tengo por una parte
y por otra
¿Cómo puedo meter esta segunda parte en la primera para que me extraiga la secuencia codificante añadiendo un substr?
Tengo por una parte
Using perl Syntax Highlighting
foreach my $line (@genbank) {
if( $line =~ /^\/\/\n/) { # If $line is end-of-record line //\n,
$in_sequence = 0;
} elsif( $in_sequence) { # If we know we're in a sequence,
$$dna .= $line; # add the current line to $$dna.
} elsif ( $line =~ /^ORIGIN/ ) { # If $line begins a sequence,
$in_sequence = 1; # set the $in_sequence flag.
} else { # Otherwise
push( @$annotation, $line); # add the current line to @annotation.
}
}
# remove whitespace and line numbers from DNA sequence
$$dna =~ s/[\s0-9]//g;
}
if( $line =~ /^\/\/\n/) { # If $line is end-of-record line //\n,
$in_sequence = 0;
} elsif( $in_sequence) { # If we know we're in a sequence,
$$dna .= $line; # add the current line to $$dna.
} elsif ( $line =~ /^ORIGIN/ ) { # If $line begins a sequence,
$in_sequence = 1; # set the $in_sequence flag.
} else { # Otherwise
push( @$annotation, $line); # add the current line to @annotation.
}
}
# remove whitespace and line numbers from DNA sequence
$$dna =~ s/[\s0-9]//g;
}
Coloreado en 0.001 segundos, usando GeSHi 1.0.8.4
y por otra
Using perl Syntax Highlighting
foreach my $line (@genbank) {
if($line =~ /^ CDS/) {
$line =~ m/(\d+)\.\.(\d+)/;
$line =~ s/CDS//;
$line =~ s/\s*//;
$a = $line;
$a =~ /\.\./;
$variable1 = "$` \n";
$variable2 = "$' \n";
print $variable1;
print $variable2;
}
if($line =~ /^ CDS/) {
$line =~ m/(\d+)\.\.(\d+)/;
$line =~ s/CDS//;
$line =~ s/\s*//;
$a = $line;
$a =~ /\.\./;
$variable1 = "$` \n";
$variable2 = "$' \n";
print $variable1;
print $variable2;
}
Coloreado en 0.001 segundos, usando GeSHi 1.0.8.4
¿Cómo puedo meter esta segunda parte en la primera para que me extraiga la secuencia codificante añadiendo un substr?
- raquel
- Perlero nuevo
- Mensajes: 10
- Registrado: 2007-12-29 08:01 @375
por explorer » 2008-01-09 06:06 @295
No sé porqué usas $$dna. ¿No será $dna? Lo mismo para @$annotation. ¿No será @annotation?
Ahora te falta extraer la secuencia. Al substr le tienes que dar el lugar de comienzo y la longitud de la cadena a extraer. El lugar de comienzo debe estar basado en 0.
Si ves mi código aparece:
y eso es lo que necesitamos: de la posición inicial le restamos 1 (porque la posición en substr se basa en 0) y la longitud de la cadena a extraer es la diferencia entre la posición inicial y final.
Ahora que me doy cuenta, ¿qué pasa si el CDS es como, por ejemplo, '123..123'. Entonces la diferencia sería 0 y el substr no nos devolvería nada. Pero supongo que en ese caso tendría que devolvernos al menos el nucleótido número 123.
Así que al final queda:
(O $$dna si quieres seguir usando eso).
Ahora te falta extraer la secuencia. Al substr le tienes que dar el lugar de comienzo y la longitud de la cadena a extraer. El lugar de comienzo debe estar basado en 0.
Si ves mi código aparece:
Using perl Syntax Highlighting
substr $origin, $rango_inicio-1, $rango_fin-$rango_inicio;
Coloreado en 0.001 segundos, usando GeSHi 1.0.8.4
Ahora que me doy cuenta, ¿qué pasa si el CDS es como, por ejemplo, '123..123'. Entonces la diferencia sería 0 y el substr no nos devolvería nada. Pero supongo que en ese caso tendría que devolvernos al menos el nucleótido número 123.
Así que al final queda:
Using perl Syntax Highlighting
$secuencia = substr($dna, $variable1 -1, $variable2 - $variable1 +1);
Coloreado en 0.001 segundos, usando GeSHi 1.0.8.4
JF^D Perl programming & Raku programming. Grupo en Telegram: https://t.me/Perl_ES
-
explorer - Administrador
- Mensajes: 14486
- Registrado: 2005-07-24 18:12 @800
- Ubicación: Valladolid, España
por raquel » 2008-01-09 06:27 @310
Sí, esa es la estructura que he utilizado en el substr. El problema es que no sé cómo meter la parte del CDS y ese substr en el primer bucle foreach (que está dentro de una subrutina y me extrae todas las secuencias desde ORIGIN hasta //) que te mandé antes para que me funcione, es decir para que me extraiga solo la parte codificante. ¿Cómo lo hago? ¿Qué estructura me quedaría en el primer foreach para que funcione el programa?
- raquel
- Perlero nuevo
- Mensajes: 10
- Registrado: 2007-12-29 08:01 @375
por explorer » 2008-01-09 08:12 @383
Pues... en la parte en la que localizas un fin de secuencia, donde pones $in_sequence = 0;.
Debes tener en cuenta que en el fichero puede haber varios ficheros genbank unidos. Así que supongo que los bucles que estás poniendo ( foreach my $line (@genbank) ) se refieren a solo UNO de esos ficheros. Si no, tenemos un problema gordo: no puedes iniciar la búsqueda de partes CDS y ORIGIN empezando siempre por el principio, porque entonces no localizarías todas esas partes.
Podrías usar más banderas, para distinguir, además de estar en plena secuencia, si estás en una parte CDS. Y repetir esto para todas las líneas del fichero.
Lo principal es extraer la secuencia cuando sabemos que hemos leído un sección ORIGIN (porque suponemos que ANTES hemos leído una sección CDS y sabemos por dónde cortar).
Debes tener en cuenta que en el fichero puede haber varios ficheros genbank unidos. Así que supongo que los bucles que estás poniendo ( foreach my $line (@genbank) ) se refieren a solo UNO de esos ficheros. Si no, tenemos un problema gordo: no puedes iniciar la búsqueda de partes CDS y ORIGIN empezando siempre por el principio, porque entonces no localizarías todas esas partes.
Podrías usar más banderas, para distinguir, además de estar en plena secuencia, si estás en una parte CDS. Y repetir esto para todas las líneas del fichero.
Lo principal es extraer la secuencia cuando sabemos que hemos leído un sección ORIGIN (porque suponemos que ANTES hemos leído una sección CDS y sabemos por dónde cortar).
JF^D Perl programming & Raku programming. Grupo en Telegram: https://t.me/Perl_ES
-
explorer - Administrador
- Mensajes: 14486
- Registrado: 2005-07-24 18:12 @800
- Ubicación: Valladolid, España
19 mensajes
• Página 2 de 2 • 1, 2
¿Quién está conectado?
Usuarios navegando por este Foro: No hay usuarios registrados visitando el Foro y 0 invitados