Foro - Perl en Español

Estimados,

Estoy analizando alrededor de 3500 proteínas y me doy con la sorpresa de que algunas proteínas empiezan con otro AMINOÁCIDO (verde) que no es METIONINA (rojo), por ejemplo:

>gen_1
MEDGFGGLDLGK0VERVVERVMVEVVMFIG......

>gen_2
GVBFPDBFBDFBMFDOBDFBBDFBFB......

Entonces, para analizar las que no comienzan con M, traté de modificar algunos scripts en Perl, que se encargan de extraer secuencias, pero sin éxito. Os agradecería que me des una mano en este problema, como verás no tengo 10 secuencias sino 3500 y hacerlas a mano es un gran problema.

Muchas gracias de antemano

Saludos,

Manuel3180

Con una expresión regular como /^[^M]/ puedes encontrar las secuencias que comienzan (^) por algo que no es 'M' ([^M]) .

También se puede hacer negando todo el patrón:

$seq !~ /^M/

Estimado explorer:

¿Podrías explicarme la respuesta con el script en cuestión? A manera de entender mejor los comandos que se toman en un script escrito en Perl.

Muchas gracias.

Saludos.

Muchas gracias

La solución dada por explorer me parece perfecta en cualquier caso.

Ahora bien, por aportar algo al debate, una alternativa que se me ocurre es saltar la línea si empieza por 'm'

Esto es ya más una cuestión teórica que un problema real, pero buscar una letra es más sencillo en términos de computación que probar con todas las demás así que en teoría encontrar /^[^M]/ debería ser algo más costoso que encontrar /^M/ y luego descartarla. No sé si me explico.

En tu caso probablemente es irrelevante y la velocidad ganada (si es que se gana) sería inapreciable. Las búsquedas de expresiones regulares en Perl están tan optimizadas que probablemente no haya una ganancia real apreciable para sólo 3000 líneas.

Aparte de eso tienes que valorar la posibilidad de que una proteína se extienda a dos líneas en tu archivo, lo que te podría dar un valor erróneo ocasionalmente (algunas proteínas incompletas) de no controlarse. En ese caso podrías acotar a partir de los '>' probablemente. Quizás si vemos el trabajo que tienes hecho podamos aconsejarte alguna mejora o saber por qué lo que probaste no funcionaba.

pvaldes escribiste:Las búsquedas de expresiones regulares en Perl están tan optimizadas que probablemente no haya una ganancia real apreciable para sólo 3000 líneas.

Con el módulo Benchmark saldrás de dudas.