Foro - Perl en Español

por **fcorreas** » 2016-09-07 09:16 @428

Hola.

Soy nuevo en el foro, y quería pedir una ayuda. Soy biólogo y no me manejo mucho en programación.

Tengo un archivo fasta con cerca de 2 millones de registros, que apenas lo puedo abrir en un procesador de texto. Los registros se encuentran de la siguiente forma.

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

>SRR1517819.1.1

TNTCATCGAGACAGACTGTGAGGTGGATTTTGCACCTCCTCTGGATTACAAGGAACCTGAAAGGCCTGTTGCAACTGTTCCTTCAGGCAAGGCACCATCACAAGTTGAAGAGATTCCAGCTGAGACCGAACCAAAATTCAAC

>SRR1517819.1.2

GTTGAATTTTGGTTCGGTCTCAGCTGGAATCTCTTCAACTTGTGATGGTGCCTTGCCTGAAGGAACAGTTGCAACAGGCCTTTCAGGTTCCTTGTAATCCAGAGGAGGTGCAAAATCCACCTCACAGTCTGTCTCGATGATA

>SRR1517819.2.1

CNTATACATTTCAATTTACAATTTCAACATAAAACAGAAATAAAATGATAATATAATGTTTACATCTGGAATATACAATTATTGATTAACAAGCCCGTATCGGTTAGTATTTTTTTTTTTTGGGTAACGAGGATCCCACCCGTATTTAAGT

>SRR1517819.2.2

ATAAGTTCCATCCTTCTGGGGGTTGTGTGCAACAAATGGATTTTACAACTTAAGTGTCAATTCCTTGAAGATCTGTCACTACTTAAATACGGGTGGGATCCTCGTTACCCAAAAAAAAAAAATACTAACCGATACGGGCTTGTTAATCAAT

>SRR1517819.3.1

CNGTAATGAAACAAGACATAAGACCAGCTCTCAAGGACATTGTTTGGACCTGGCAAGGGGAGCCGCAGCAGCAGCAGCATCAGCATCAAGAACAACTACAACTAGAGGAACAAGAGCTACAGCCTTCTCAAGCACTCCCAATG

>SRR1517819.3.2

CATTGGGAGTGCTTGAGAAGGCTGTAGCTCTTGTTCCTCTAGTTGTAGTTGTTCTTGATGCTGATGCTGCTGCTGCTGCGGCTCCCCTTGCCAGGTCCAAACAATGTCCTTGAGAGCTGGTCTTATGTCTTGTTTCATTACCG

>SRR1517819.4.1

CNCTGGTACTATTGCAACATAAGCACTCTCAAAAAAAGAAACAAGTAGCATTGACACAAAACAGATTTTGACTAGATAGCAACTGAGATAATGCTCTAATCGAAGAGTGAGAATCCCATATCTTCATCTTCGC

>SRR1517819.4.2

GCGAAGATGAAGATATGGGATTCTCACTCTTCGATTAGAGCATTATCTCAGTTGCTATCTAGTCAAAATCTGTTTTGTGTCAATGCTACTTGTTTCTTTTTTTGAGAGTGCTTATGTTGCAATAGTACCAGAG
Coloreado en 0.001 segundos,  usando GeSHi 1.0.8.4

Como se observa, todos los id terminan en '.1' o '.2'.

Lo que necesito es que eso sea reemplazado por '/1' y '/2', respectivamente, quedando, por ej.:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

SRR1517819.1.1 -> SRR1517819.1/1

SRR1517819.1.2 -> SRR1517819.1/2Coloreado en 0.000 segundos,  usando GeSHi 1.0.8.4

¿Cómo lo puedo hacer? ¿Con expresiones regulares?

Cualquier ayuda sería de gran utilidad.

la opción '-p' abre el archivo fasta 'code_39671.txt', y lo va leyendo línea por línea
la opción '-i' indica que vamos a hacer modificaciones al propio archivo
la opción '-e' indica el mini programa Perl que queremos que se ejecute en cada línea
el programa consiste un único comando de sustitución (s///): si la línea coincide con el primer patrón, lo sustituirá por la parte de reemplazo
el patrón es '^(>.+)[.](\d+)$', que quiere decir:
toda la línea, desde el principio (^)
debe empezar por el carácter '>' y seguirse por un uno o más caracteres cualesquiera (.+)
seguidos, al final ($), por el carácter de un punto ([.]) y un número (uno o más dígitos (\d+))
además, usando los paréntesis, recordaremos las dos partes separadas por el punto
si la línea coincide con el patrón, es sustituida por $1/$2, que es lo que hemos capturado en el par de paréntesis anteriores, pero esta vez separadas por una línea diagonal

Y ya está. Lo ejecutas una vez y el archivo ya queda modificado.

Tienes un resumen de exp. reg. en la página correspondiente en Wikipedia. Perl trae un montón de documentación para exp. reg.:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

        perlrequick         Perl regular expressions quick start

        perlretut           Perl regular expressions tutorial

          perlfaq6          Regexes

        perlre              Perl regular expressions, the rest of the story

        perlrebackslash     Perl regular expression backslash sequences

        perlrecharclass     Perl regular expression character classes

        perlreref           Perl regular expressions quick referenceColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

que puedes ver con el comando perldoc.

Foro - Perl en Español

Cambio de Id en fasta

Cambio de Id en fasta

Publicidad

Re: Cambio de Id en fasta

¿Quién está conectado?