Foro - Perl en Español

Hola a todos

Soy alumno de la carrera de Bioinformática en Chile y soy nuevo en el foro

Resulta que me dieron una tarea de encontrar todos los ORF de la secuencia de un genoma, usando sólo expresiones regulares.Yo para eso ocupé la siguiente sentencia:

my @orfs = ( $sequence =~ m/(ATG(?:[ACTG]{3})+?(TAA|TAG|TGA))/g);

Esto me resulta bien, pero tiene un puro detalle. Cuando encuentra un codón de inicio junto a un codón de STOP, se salta ese codón y corta la secuencia en el STOP siguiente.

Ejemplo:

ATG-TAA-ATG-TGA-TGA

Si se fijan, hay un TAA al lado de ATG y no corta hasta que encuentra el próximo codón de STOP.

Salvo ese problema lo demás funciona muy bien.

De antemano, gracias por la ayuda

Bienvenido a los foros de Perl en español, Diego3D.

El problema está en el '+', que obliga a que exista al menos un codón intermedio.

Cámbialo por '*'.

En tiempos, yo usaba esta línea:

Es igual que la tuya, pero contemplaba además el caso de capturar un ORF abierto, al final de la secuencia.

Con el .{1,3}$ estamos indicando que hemos llegado al final de la secuencia, y que puede haber entre una y tres bases (no importa cuáles), pero lo importante es que son el final ($).

¡Muchas gracias!

Me funcionó

Ahora se me presentó otro problema, eso sí

Estoy trabajando con el genoma de Nanoarchaeum equitans Kin4-M, y según NCBI esta proteína tiene 540 aa; sin embargo, mi código dice que tiene 244. No sé a qué se puede deber esta diferencia porque yo no le veo el error en la detección del marco de lectura.


Este es mi código.

P.D.:

Ya solucioné todos mis problemas.

Resulta que no había tomado en cuenta la hebra complementaria.

Muchas gracias por la ayuda

Creo que hay un error en el código...

my @orfs = ( $sequence =~ /(ATG(?:.{3})*?)(TAA|TAG|TGA|.{1,3}$)/g );

¿Seguro que estás sacando bien las secuencias ORF?

Bueno, creo que sí... lo que pasa es que está un poco liado con los paréntesis de captura.

Mejor así (no probado):

my @orfs = $sequence =~ /(ATG(?:.{3})*?(?:TAA|TAG|TGA|.{1,3}$))/g;

De esta manera, solo hay par de paréntesis de captura, que es lo que almacenamos en @orfs.

Y los paréntesis que rodeaban a la expresión regular, sobraba.