快捷導(dǎo)航

perl 讀取所需文件的路徑，然后打開相應(yīng)的文件

更新時(shí)間：2013年03月01日 13:25:39 作者：

perl，讀取所需文件的路徑，然后打開相應(yīng)的文件，并對(duì)文件中的DNA序列進(jìn)行計(jì)數(shù)，substr函數(shù)對(duì)長(zhǎng)字符串的片段化處理功能

以下是DNA序列，存儲(chǔ)在window下F：\perl\data.txt里面：

AAAAAAAAAAAAAAGGGGGGGTTTTCCCCCCCC&nbsp;
CCCCCGTCGTAGTAAAGTATGCAGTAGCVG&nbsp;
CCCCCCCCCCGGGGGGGGAAAAAAAAAAAAAAATTTTTTAT&nbsp;
AAACG&nbsp;

下面是程序：

復(fù)制代碼代碼如下:

#下面的程序是用來計(jì)算一段DNA序列中ATGC的數(shù)量的

#首先定義四種堿基的數(shù)量為0
$count_A=0;
$count_T=0;
$count_C=0;
$count_G=0;
#首先要先把序列進(jìn)行合并成一行

#先確定所要處理的文件的路徑及文件名（在windows系統(tǒng)下面要按照這樣的例子寫
#f:\\perl\\data.txt
print "please input the Path just like this f:\\\\perl\\\\data.txt\n";
chomp($dna_filename=<STDIN>);
#打開文件
open(DNAFILENAME,$dna_filename)||die("can not open the file!");
#將文件賦予一個(gè)數(shù)組
@DNA=<DNAFILENAME>;

#以下兩步要把所有的行合并成一行，然后去掉所有的空白符
$DNA=join('',@DNA);
$DNA=~s/\s//g;

#將DNA分解成，然后賦值到數(shù)組
@DNA=split('',$DNA);

#然后依次讀取數(shù)組的元素，并對(duì)四種堿基的數(shù)量進(jìn)行統(tǒng)計(jì)
foreach $base(@DNA)
{
if ($base eq 'A')
{
  $count_A=$count_A+1;
}
elsif ($base eq 'T')
{
  $count_T=$count_T+1;
}
elsif ($base eq 'C')
{
  $count_C=$count_C+1;
}
elsif ($base eq 'G')
{
  $count_G=$count_G+1;
}
else
{
  print "error\n"
}
}
#輸出最后的結(jié)果
print "A=$count_A\n";
print "T=$count_T\n";
print "C=$count_C\n";
print "G=$count_G\n";

下面是運(yùn)行的結(jié)果：

復(fù)制代碼代碼如下:

F:\>perl\a.pl
please input the Path just like this f:\\perl\\data.txt
f:\\perl\\data.txt
error
A=40
T=17
C=27
G=24

F:\>

大家可能觀察到有一個(gè)error的出現(xiàn)，這是為什么呢？

大家仔細(xì)看一看最上面的原始 DNA序列，用特殊顏色標(biāo)記的，可以看到有一個(gè)V，所以會(huì)輸出錯(cuò)誤。

這里把DNA序列經(jīng)過整合成一行，然后去除所有的空白字符以后，又把$DNA通過split函數(shù)變成了數(shù)組，然后進(jìn)行統(tǒng)計(jì)，那有沒有更好的辦法呢？

其實(shí)perl里有一個(gè)函數(shù)，substr。

我們先來看一看這個(gè)函數(shù)的用法，substr是針對(duì)一個(gè)大字符串的操作符（The substr function works with only a part of a larger string )言外之意就是對(duì)一個(gè)很長(zhǎng)的字符串，進(jìn)行片段化處理，取其中的一部分。我們這里用到的就是這個(gè)特性。

$little_string =substr($large_string,$start_position,$length)

$小片段=substr（$大片段，$你要截取的小片段的起始位置，$你要截取的長(zhǎng)度）

我們這里為了統(tǒng)計(jì)DNA中各種堿基的數(shù)量，所以要處理的字符串是一個(gè)堿基，所以我們要把$length設(shè)置為1。這樣才能夠滿足我們的需求。

下面我們把修改過的代碼寫下：

復(fù)制代碼代碼如下:

#下面的程序是用來計(jì)算一段DNA序列中ATGC的數(shù)量的

#首先定義四種堿基的數(shù)量為0
$count_A=0;
$count_T=0;
$count_C=0;
$count_G=0;
#首先要先把序列進(jìn)行合并成一行

#先確定所要處理的文件的路徑及文件名（在windows系統(tǒng)下面要按照這樣的例子寫
#f:\\perl\\data.txt
print "please input the Path just like this f:\\\\perl\\\\data.txt\n";
chomp($dna_filename=<STDIN>);
#打開文件
open(DNAFILENAME,$dna_filename)||die("can not open the file!");
#將文件賦予一個(gè)數(shù)組
@DNA=<DNAFILENAME>;

#以下兩步要把所有的行合并成一行，然后去掉所有的空白符
$DNA=join('',@DNA);
$DNA=~s/\s//g;

#然后依次讀取字符串的元素，并對(duì)四種堿基的數(shù)量進(jìn)行統(tǒng)計(jì)
for ($position=0;$position<length $DNA;++$position)
{
$base=substr($DNA,$position,1);
if ($base eq 'A')
{
  $count_A=$count_A+1;
}
elsif ($base eq 'T')
{
  $count_T=$count_T+1;
}
elsif ($base eq 'C')
{
  $count_C=$count_C+1;
}
elsif ($base eq 'G')
{
  $count_G=$count_G+1;
}
else
{
  print "error\n"
}
}
#輸出最后的結(jié)果
print "A=$count_A\n";
print "T=$count_T\n";
print "C=$count_C\n";
print "G=$count_G\n";