Foro - Perl en Español

por **wampaier** » 2008-08-12 13:06 @588

Hola, tengo un problema... con un archivo de Genbank... quiero extraer la parte donde dice /translation="(y viene la secuencia de la proteína)... quisiera saber cómo le podría hacer... para poder extraer ese fragmento. Gracias.

Código: Seleccionar todo: LOCUS ntkv01_1 5709761 bp DNA linear 22-JUL-2008 DEFINITION Klebsiella variicola strain CCG (AE) chromosome Chromosome. ACCESSION VERSION KEYWORDS . SOURCE Klebsiella variicola ORGANISM Klebsiella variicola Unclassified. REFERENCE 1 (bases 1 to 5709761) AUTHORS Davidsen,T.M., Beck,E., Galinsky,K.J. and Sutton,G. TITLE Annotation Engine Genome JOURNAL Unpublished REFERENCE 2 (bases 1 to 5709761) AUTHORS Davidsen,T.M., White,O. and Yang,Q. TITLE Direct Submission JOURNAL Submitted (22-JUL-2008) J. Craig Venter Institute, 9712 Medical Center Dr, Rockville, MD 20850, USA FEATURES Location/Qualifiers source 1..5709761 /organism="Klebsiella variicola" /mol_type="genomic DNA" /strain="CCG (AE)" /chromosome="Chromosome" gene 52..456 /locus_tag="NT01KV0001" CDS 52..456 /locus_tag="NT01KV0001" /codon_start=1 /transl_table=11 /product="FipA" /protein_id="tigr:NT01KV0001" /translation="MKEHEMDGADYPLSLASDMVLPWPWSLQRFINNVSRIGSYKGKP WKQDNSNHYVELWLPWRIGFVGGGNHSITAGILAGEGTLIPEHVYDMSWLFELVRTDG NHWFVDDHKVEAVKSGRSAAVFEIGRLLVEGA" gene complement(504..2357) /locus_tag="NT01KV0002" CDS complement(504..2357) /locus_tag="NT01KV0002" /note="identified by match to protein family HMM PF01526" /codon_start=1 /transl_table=11 /product="transposase" /protein_id="tigr:NT01KV0002" /translation="MVEQYGRVKRFLPAMLRDLHFQSAPAGENTLSAIHYLAELSGSK KRLLENAPEQIITGPWKRLVYDSEGRIQRAGYSLCLLERLQDSLRRRDIWLENSDRWG DPRQKFLQGKEWQAQRIAVCRALGHPTDGGNAVKQLATELDETWKTVASRFELNAAVS ICHQGKYPSLTISSLEKLEEPQPLILLNSRVRQLVPPVDLTELLLEIDARTGFTREFT HVSESEARAQDLNISLCAVLLAEACNIGHEPLIKHSIPALTRHRLSWVKQNYIRAETL VSANARLVDFQSTLELSERWGGGEVASADGMRFVTPVKTLNSGPNRKYFGSGRGITWY NFVSDQYSGFHGIVIPGTLRDSIFVLEGLLEQQTGLNPVEIMTDTGGSSDIIFGLFWL LGYQFSPRLADAGEAVFWRADKNANYGVLDELARGCVELSKIETQWDEMMRVSGSLKL GTVHASELVGSLLKSSRPSGLAQAIMEVGRVNKTLYLLNYIDDEEYRRRILTQLNRGE GRHAVARAICYGQRGEIRKRYREGQEDQLGALGLVTNAVVLWNTLYMQEALSHLRSAG EIPEDEHISRLSPLMYGHINMLGHYTFTLPENILKGELRPLNFNSNNELLP" gene complement(2441..4294) /locus_tag="NT01KV0003" CDS complement(2441..4294) /locus_tag="NT01KV0003" /note="identified by match to protein family HMM PF01526" /codon_start=1 /transl_table=11 /product="transposase" /protein_id="tigr:NT01KV0003" /translation="MVEQYGRVRRFLPHLLNTVKFSSAPAGVTTLNACDYLSREFSSR RQFFDDAPTEIISRSWKRLVINKEKHITRRGYTLCFLSKLQDSLRRRDVYVTGSNRWG DPRARLLQGADWQANRIKVYRSLGHPTDPQEAIKSLGHQLDSRYRQVAARLGENEAVE LDVSGPKPRLTISPLASLDEPDSLKRLSKMISDLLPPVDLTELLLEINAHTGFADEFF HASEASARVDDLPVSISAVLMAEACNIGLEPLIRSNVPALTRHRLNWTKANYLRAETI TSANARLVDFQATLPLAQIWGGGEVASADGMRFVTPVRTINAGPNRKYFGNNRGITWY NFVSDQYSGFHGIVIPGTLRDSIFVLEGLLEQETGLNPTEIMTDTAGTSELVFGLFWL LGYQFSPRLADAGASVFWRMGHDANYGVLNDIARGQSDPRKIVLQWDEMIRTAGSLKL GKVQASVLVRSLLKSERPSGLTQAIIEVGRINKTLYLLNYIDDEDYRRRILTQLNRGE SRHAVARAICHGQKGEIRKRYTDGQEDQLGALGLVTNAVVLWNTMYMQAALDHLRAQG ETLNDEDIARLSPLCHGHINMLGHYSFTLAELVTKGHLRPLKEASEVENVA" gene complement(4659..5663) /locus_tag="NT01KV0004" CDS complement(4659..5663) /locus_tag="NT01KV0004" /note="identified by match to protein family HMM PF02371" /codon_start=1 /transl_table=11 /product="transposase for insertion sequence element" /protein_id="tigr:NT01KV0004" /translation="MENIALIGIDLGKNSFHIHCQDHRGKAVYRKKFTRPKLIEFLAT CPATTIAMEACGGSHFMARKLAELGHFPKLISPQFVRPFVKSNKNDFVDAEAICEAAS RPSMRFVQPRTESQQAMRALHRVRESLVQDKVKTTNQMHAFLLEFGISVPRGAAVISR LSTLLEDSSLPLYLSQLLLKLQQHYHYLVEQIKDLESQLKRKLDEDEVGQRLLSIPCV GTLTASTISTEIGDGKQYASSRDFAAATGLVPRQYSTGGRTTLLGISKRGNKKIRTLL VQCARVFIQKLEHQSGKLADWVRELLCRKSNFVVTCALANKLARIAWALTARQQTYEA" gene complement(5742..6554) /locus_tag="NT01KV0005" CDS complement(5742..6554) /locus_tag="NT01KV0005" /note="identified by match to protein family HMM PF01526" /codon_start=1 /transl_table=11 /product="transposase" /protein_id="tigr:NT01KV0005" /translation="MPRRSILSAAERESLLALPDTKDELIRHYTFSESDLSIIRQRRG PANRLGFAVQLCYLRFPGVILGADEPPFPPLLRLVANQLKVGIESWDEYGQREQTRRE HLVELQTVFGFQPFTIGHYRQAVQLLTELAMQTDKGIVLARALIEHLRRQSVIVPALN AVERASAEAITRAVFFNRLGEIRDRSFEQQRYRASGLNLVTAAIVLWNTVYLERAANA LRGHGQAVDDGLLQYL

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

## Abrimos el fichero y leemos todas las líneas GenBank
my$fichero_nombre='variicola.gen';
open FICHERO,"<$fichero_nombre"ordie"ERROR: No encuentro $fichero_nombre: $!\n";

my$fichero;
while(my$linea=<FICHERO>){
$fichero.=$linea;
}

close FICHERO;

## Extraemos las partes de translation
while($fichero=~m/ \/translation=" (.*?) " /simogx){
my$translation=$1;

## Quitamos los espacios en blanco y retornos de carro
$translation=~s/\s//simog;

print"[$translation]\n";
}Coloreado en 0.002 segundos,  usando GeSHi 1.0.8.4

por **wampaier** » 2008-08-12 15:08 @672

ok... si... de hecho, como vi el ejemplo anterior... es por eso que me decidí preguntar...

por **wampaier** » 2008-08-12 15:14 @676

Pero si lo quisiera en tipo fasta... es que por ejemplo, esto es solo un ejemplo de un genoma completo... porque también lo que quiero extraer es el product y el protein_id por ejemplo:

Código: Seleccionar todo: >FipA|NT01KV0001 MKEHEMDGADYPLSLASDMVLPWPWSLQRFINNVSRIGSYKGKP WKQDNSNHYVELWLPWRIGFVGGGNHSITAGILAGEGTLIPEHVY DMSWLFELVRTDGNHWFVDDHKVEAVKSGRSAAVFEIGRLLVEGA

por **explorer** » 2008-08-12 15:46 @698

Según veo, si sustituyes /translation por /product y luego por /protein_id en el programa que te he dado, sí que salen...

Otra cosa es el formato fasta... no indicaste en la pregunta en qué formato querías la salida.

Quizás debas plantear tu problema desde cero, otra vez, para saber qué es lo que quieres hacer.

por **wampaier** » 2008-08-12 22:13 @967

No, no, mira... tal vez no me expliqué muy bien... así como me lo explicaste lo de la secuencia de proteína.... está bien... solo que me interesa también extraer el product y el protein_id. Lo del formato fasta... eso no lo tomes en cuenta... disculpa si te enredé las cosas...

por **explorer** » 2008-08-13 04:57 @248

¿Y la salida, tiene que ser de alguna forma? ¿o sin más, salir los datos a medida de que se encuentran?

Foro - Perl en Español

Archivo Genbank

Archivo Genbank

Publicidad

¿Quién está conectado?