Foro - Perl en Español

Buen día tengan todos en el foro.

Solicito de su amable ayuda. Estoy iniciando en esto del lenguaje de programación Perl con el objetivo de realizar tareas automatizadas y es por ese hecho que me cuesta trabajo entender algunos algoritmos.

En mi tiempo libre leo y complemento la lectura con algoritmos básicos. Aun así me falta mucho para llegar a donde quiero.

Dejando a un lado eso describo mi "problema": Necesito buscar secuencias cortas (alrededor de 20 caracteres) en un archivo plano (txt, fasta o fastq) el cual puede o no contener las secuencias que busco. Ya he realizado este trabajo usando textpad para lo cual en búsqueda pongo la secuencia que deseo buscar y selecciono el archivo donde la va a buscar. Cabe mencionar que son alrededor de 2000 secuencias que debo buscar. Aun así he avanzado en el trabajo en un 30 % o 40 %.

Me ayudaría mucho tener orientación en algoritmos o temas que me ayuden a lo siguiente: quiero que a partir de un archivo secuencias.txt (contiene las secuencias que deseo buscar separadas por saltos de línea) busque en el archivo bibliotecas.txt o .fast o .fastq (contiene información de la secuenciación) las veces que aparece cada una de las secuencias del archivo secuencias.txt y que el resultado lo almacene en un archivo resultado.txt con la misma información del archivo secuencias.txt solo que con el número de veces que aparece separada por espacio o tabulación.

Sé muy bien que es mucho lo que estoy pidiendo pero ya no quiero seguir con el método del textpad pero confío en su ayuda para orientarme a los temas que me ayudarán a resolver mi problema.

Espero haberme explicado bien lo que deseo. De antemano, gracias.

Este es parte del contenido del archivo secuencias.txt

Este es parte del contenido del archivo bibliotecas.txt

Este sería parte del contenido del archivo resultado.txt

explorer, una disculpa de antemano por no haber respondido agradeciendo tu punto de vista para resolver mi problema. No me había reportado ya que me puse a estudiar para realizar al menos un script y presentarlo para corregir errores o mejorarlo por otra forma.

Te comento que resolví por esta vía el problema pero creo que podría mejorar para reducir el tiempo de respuesta. Te muestro el código y espero tus comentarios.

Gracias.

Hola de nuevo, explorer.

Tengo una pregunta: ¿podría buscar las secuencias como líneas del archivo secuencias.txt sin pasar por algún array o hash? En otras palabras: Leer cada una de esas secuencias del archivo.txt y buscarla directamente en bibliotecas.txt y que muestre el mismo resultado.txt.

Ya he intentado varias formas. Una de ellas, que pienso que sería lo correcto, un while() que lea cada línea del secuencias.txt y la almacene en una variable. Después esa variable la paso a una subrutina para que abra el archivo bibliotecas.txt y busque cada variable dentro de la misma subrutina y que imprima en resultado.txt.

No me da resultado y no sé en qué estoy mal, agradecería si me orientas o me das ayuda, gracias.

Bueno, más tarde subo el intento de código.

Gracias por tu respuesta, explorer, la voy a estudiar para replantear el programa pero aquí te dejo lo que intenté. Espero me ayudes a resolverlo por esta ruta, gracias.

use warnings;

open (FILE, "sequen5.txt");
open (FILE2, "biblioteca.txt");
open (FILE3, ">>", "resultado2.txt");

## el siguiente bloque extrae palabras en mayúsculas con un
## mínimo de diez letras

while (<FILE>){
while ($_ =~ m/([A-Z]{10,})/g){
$sec = $1;
chomp $sec;
ind_sec(); # le paso cada coincidencia a la subrutina
}
}

## tratando de buscar cada coincidencia en el archivo bibliotecas.txt

sub ind_sec{
$secb = $_;
print $secb;
$count = 0;
while ($sed = <FILE2>){
while ($sed =~ m/$secb/g){
$count += 1;
print;
}
}
print FILE3 "$secb - $count"; # imprime la secuencia y el número de veces que aparece
}

close (FILE);
close (FILE2);
close (FILE3);

exit;

¿Qué tal, explorer? Gracias por responder.

He avanzado con tu ayuda. Ya tengo este script pero no me sale exactamente el resultado que deseo.

¿Qué variable debo capturar en la expresión regular que se encuentra dentro de la subrutina? Porque $1 la ocupo en la primera expresión regular y al tratar de imprimir junto a $count me sale un error.

Aquí mi avance:
use warnings;

open (FILE, "unicas.txt");

while (<FILE>){
while ($_ =~ m/([A-Z]{10,})/g){
$sec = $1;
chomp $sec;
ind_sec();
}
}


sub ind_sec{
open (FILE2, "datos.txt");
$count = 0;
while ($sed = <FILE2>){
while ($sed =~ m/$sec/g){
$count += 1;
print "$count\n";
}
}
close (FILE2);
}

close (FILE);

exit;