我也用perl玩玩，不怎么漂亮的打印序列。

代码写得不咋得。

#!/usr/bin/perl

$seq = 'ATGGAGCCTAATGATAGTACCAGTACCGCTGTGGAGGAGCCTGACAGCTTGGAGGTGTTGGTGAAGACCTTGGACTCTCAAACTCGTACCTTTATTGTGGGGGCCCAGATGAATGTAAAAGAGTTTAAGGAGCACATTGCTGCCTCTGTCAGCATCCCAT';

$step = 10;

$group = 5;

$count = 0;

for ($i=0; $i*$step<length($seq); $i++) {

    $count++;

    print substr($seq, $i*$step, $step);

    if ($count == $group){

        print "\n";

        $count = 0;

    }else{

       print " ";

    }

}

结果：

atggagccta atgatagtac cagtaccgct gtggaggagc ctgacagctt
ggaggtgttg gtgaagacct tggactctca aactcgtacc tttattgtgg
gggcccagat gaatgtaaaa gagtttaagg agcacattgc tgcctctgtc

用php也神奇地相似。把perl的length函数换为php的strlen函数就得了。

<?php

$seq = 'ATGGAGCCTAATGATAGTACCAGTACCGCTGTGGAGGAGCCTGACAGCTTGGAGGTGTTGGTGAAGACCTTGGACTCTCAAACTCGTACCTTTATTGTGGGGGCCCAGATGAATGTAAAAGAGTTTAAGGAGCACATTGCTGCCTCTGTCAGCATCCCAT';

$step = 10;

$group = 5;

$count = 0;

for ($i=0; $i*$step<strlen($seq); $i++) {

    $count++;

    print substr($seq, $i*$step, $step);

    if ($count == $group){

        print "\n";

        $count = 0;

    }else{

       print " ";

    }

}

?>

~完

无觅猜您也喜欢：
收到《Perl语言编程（第三版）》	快速提取序列的Perl脚本	Perl:FastQ与FastA格式的相互转换	Bioperl:获取序列数据	Perl chdir函数
无觅

数据是这样子的。

例子文件，只取了一小部分数据：get2_nr.out

ZM_BFa0062B01	bzip
ZM_BFa0063A16	bzip
ZM_BFa0063M13	myc
ZM_BFa0063N22	myc
ZM_BFa0063O17	bzip
ZM_BFa0066C13	myb
ZM_BFa0066F21	bzip
ZM_BFa0068F07	bzip
ZM_BFa0068F15	myb
ZM_BFa0068N18	myb
ZM_BFa0068P14	bzip
ZM_BFa0069B08	myb
ZM_BFa0070G13	myb
ZM_BFa0071G19	bzip
ZM_BFa0071G21	myb
ZM_BFa0072O19	bzip
ZM_BFa0073F20	myb
ZM_BFa0073F20	myc
ZM_BFa0073O09	myb
ZM_BFa0073O09	myc
ZM_BFa0078K13	dre
ZM_BFa0078M22	bzip
ZM_BFa0079N03	erf
ZM_BFa0079P04	erf
ZM_BFa0083F19	myb
ZM_BFa0086H17	myb
ZM_BFa0087C10	bzip
ZM_BFa0090M23	bzip
ZM_BFa0090M23	erf
ZM_BFa0090M23	myc
ZM_BFa0097N21	bzip
ZM_BFa0098A07	erf
ZM_BFb0001A15	bzip
ZM_BFb0001A21	abf
ZM_BFb0001A21	erf
ZM_BFb0001A22	bzip
ZM_BFb0001B09	bzip
ZM_BFb0001B09	erf
ZM_BFb0001B13	bzip

Rebecca给出的分析是这样子的：

第一列是基因名称，第二列是转录因子

同一个基因可能有几类转录因子的结合位点，因此，统计不同的情况

• 1. 一个基因只有一个转录因子，且这个转录因子是bzip。同理，统计，myb，myc，erf，abf，dre，6种情况
• 2. 一个基因有2个转录因子，那么就可能是6个中任意2个的组合，15种情况
• 3.一个基因上有3个转录因子，就是6个中任意三个，20种情况
• 4.一个基因上有4个转录因子，就是15种
• 5.一个基因上有5个转录因子，6种情况

如果枚举的话，貌似太多了

输出的结果是：直接的每种类型的基因个数就行了（即类型-》个数）

例子代码:temp.pl

#!/usr/bin/perl

while(<>){
	chop;
	($id,$type) = split("\t");
	chop($type);  #要用两次chop才能把换行符去掉。奇异。。(较旧的perl版本可能得改为chomp($type);)
	$gene{$id} .= $type . "\t"; #丢给hash了
}

undef @arr;
foreach $id (sort keys %gene) {
	@type = sort(split("\t", $gene{$id})); #把type变为数组。用sort函数。避免不必要的重复
	$type = join("-",@type);
	push (@arr,$type); #再把所有的type丢进一个数组里
}

$hash{$_}++ for @arr; #从type的数组里统计重复和个数
print "$_\t$hash{$_}\n" for (keys %hash); #输出

如果按Rebecca的思路枚举的话。的确是需要更加的代码来完成。

幸好最后还是想出了这样一个用hash来完成的办法。也算是可喜，最主要的参考还是  perl语言编程 里的一段代码。求平均值的。也有着类似的求解过程。

无觅猜您也喜欢：
用Perl抓取网页和提交表格	Entrez所有数据库的最新数据统计	Perl chdir函数	收到《Perl语言编程（第三版）》	perl:使用system函数
无觅

最近 ghxiao 童鞋常常问我用perl处理数据的问题。今天来分享一段代码吧。

比如说，给出一个序列文件，里面都是Fasta格式的序列。 然后序列里面有一些NNNNNN的连续字符。

问题就是要得出这些NNNN的一段字符在该序列的具体位置。（就是匹配某字符串）

例子文件：seq.fasta

>CMM_00532
CGCGCGCTGTGCTACGCAGGCCTCTTCCAGGCCCATCTCCCGGCGGCGTGCACCACTACC
AGGATGGTGTGCGTGGGCGGGGGCGCCGCCGAGCTGGTCGCCTTTGCCAGCTTCTTGGGC
GACGACGACGACGACGACGGGGCGCACAGCAGCAGGCGCGGGGAGCTGACGCTNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGGTCGACGCGGCGCCGTGGGAGGGCGT
CGCGGACACGGTGCTGCGCGCGCTCACGACGCCGCTGCCGCTGTCCCCAGTCCGGAGCAG
>CMM_00589
ACGGGCGTGTTCCTGGCGTACGGCGGCAGCGACGATGCGCTGCCGGAGGCGGGCCTCGCG
GTGCGCATGAACGACGGGCCTTCGGGCCCTGCGTTTTGGCCGCAGCCGCGCCTGCGGCTC
ATGGAGATGCTGCTGCCGTACCTCGACCAGCACCGCTTCGCGGCCGGCGATATNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGCCTGGCATCTGCGGCAGCAGTGGGAC
GTGCCGCGGACGCACGCGTACTACGTGCCGCCCGGCGCCGTGCGGACGGCCGCGCCGCTG
CTGCTCATGGCGGCGACGCGCGACCCCGTGACGCCGTATGCGGCGGCGCGCGCGGCGCTC
>CMM_00662
GCCGTACTCTCCCAGAACGACTTGGCCTCTGCCCGTACCCTCTTTAAAGACAACCTCAAC
CTGACGCCCTATATTGCCTCGACCGAGTGCAGCGGCGTGTGGGCGCGCCGNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGGGCCGCCGGACGAGGAGCGCGGCATGGTC
GAGGTCGGGTACGGGATCGACCCGGCGTGCCGGCGGCGGGGACACGCGCGGGCGGCGCTG
>CMM_00942
CTCAACCTGCGCGACGCCGGCGCCGTGGCGGGCAGCGCGATCCCCGCCGGGCGCGTGTAC
CGCTGCGGCACGCTCGAGTACGCGGCCGCCNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNCTCGCCGACTTTGCCGAGGCCGGGGCGTCGCCGCCTGGCGCACGCAGTAC
CTCCACGTCGCGCTGGCGTATGCGCCCACGTTCCGCGCCGTCCTGGAGCATGTGCGCGAC

只取了一小部分数据。

分析：

• 1，CMM_开头的是该序列的ID
  2，序列有几行。所以要去掉换行符，先变成一行。这样才能得出正确的位置。

代码例子：temp.pl

$/ = ">";

print "id\tstart\tend\tlen\n";  #先输出Title
while(<>){
	if($_ =~ /(CMM.*?)\s(.*)>/ms){ #第一个括号匹配ID。第二个匹配序列
		$id = $1;
		$seq = $2;
		$seq =~ s/\s//g; #把序列里的换行去掉。变成一列
		while ($seq =~ m/(N+)/g) { #匹配一个N或以上的字符
			$len = length($1); #返回这段匹配的长度
			$end = pos($seq); #用pos函数返回该匹配的终止位置
			$start = $end - $len + 1; #计算出起始位置
			print "$id\t$start\t$end\t$len\n"; #输出结果
		}
	}
}

运行 perl temp.pl seq.fasta >output

输出output文件。

~完。

无觅猜您也喜欢：
收到《Perl语言编程（第三版）》	PHP 正则表达式	Perl grep函数	用Perl抓取网页和提交表格	Perl abs函数
无觅

介绍:

grep (EXPR, LIST)

Perl grep函数从LIST中提取符合EXPR的值。grep函数是比较常用，也比较好用的一个函数。我在shell里是经常用grep的。Perl grep函数在标量环境中，返回为真的次数。在列表环境中，返回EXPR为真的元素的列表。

例子：

#!/usr/bin/perl

@list = (1,"Test", 0, "foo", 20 );

@has_digit = grep ( /\d/, @list );

print "@has_digit\n";

结果如下：

1 0 20

再来，抓取非真的元素：

#!/usr/bin/perl

@list = (1,"Test", 0, "foo", 20 );

@has_digit = grep ( !/\d/, @list );  #!非真

print "@has_digit\n";

结果如下：

Test foo

试一下在标量环境下返回的结果：

#!/usr/bin/perl

@list = (1,"Test", 0, "foo", 20 );

$has_digit = grep ( /\d/, @list );

print "$has_digit\n";

结果如下：

3  # 输出次数

Perl grep函数 完~

无觅猜您也喜欢：
用Perl抓取网页和提交表格	Perl abs函数	Perl 5.10版的新特性与下载	Perl chomp函数	Perl处理Fasta序列的又一实例
无觅

这里讲到的Perl模块有：

use LWP::Simple;

use LWP::UserAgent;

用perldoc查看详细的用法。

1，用perl抓取网页

如果只是要拿到某个网页，那使用 LWP::Simple 里的函数是最简单的。通过调用 get($url) 函数，就可以得到相关网址的内容。

my $url = 'http://freshair.npr.org/dayFA.cfm?todayDate=current'

use LWP::Simple;
my $content = get $url;
die "Couldn't get $url" unless defined $content;

#  $content 里是网页内容，下面是对此内容作些分析：

if($content =~ m/jazz/i) {
print "They're talking about jazz today on Fresh Air!\n";
} else {
print "Fresh Air is apparently jazzless today.\n";
}

非常简单易懂。拿网页内容是容易的，难的是用正则过滤需要的内容。

2，通过 POST提交表格

部分HTML表格使用HTML POST 向服务器提交数据，在这里你可以这样：

$response = $browser->post( $url,
   [
     formkey1 => value1,
     formkey2 => value2,
     ...
   ],
 );

实例分析：例如在(http://www.enzim.hu/hmmtop/html/submit.html)提交一段序列并返回结果，用perl来实现。代码如下：

#!/usr/bin/perl

use LWP::UserAgent;
my $browser = LWP::UserAgent->new;
$protein = "MSSSTPFDPYALSEHDEERPQNVQSKSRTAELQAEIDDTVGIMRDNINKVAERGERLTSI";
my $SUSUI_URL = "http://www.enzim.hu/hmmtop/server/hmmtop.cgi";
my $response = $browser->post( $SUSUI_URL,    [ 'if' => $protein, ]  );

if ($response->is_success) {
	print $response->content;
} else {
	print "Bad luck this time\n";
}

通过分析http://www.enzim.hu/hmmtop/html/submit.html的页面可知，这个要提交的input只有一个，就是name="if"。$protein就是要提交的序列。$response->content就是返回结果。

无觅猜您也喜欢：
收到《Perl语言编程（第三版）》	Perl chmod函数	perl:使用system函数	Perl chdir函数	Perl处理Fasta序列的又一实例
无觅

介绍:

split /PATTERN/, EXPR
split /PATTERN/
split

Perl split函数扫描字符串中EXPR给出的分隔符，并把该字符串劈成一个子字符串列表。简单地意思就是把字符串，按照/PATTERN/里的分隔符来分隔，返回一个数组。/PATTERN/可以是分隔符（逗号空格等），也可以是正则表达式。

如果后面指定LIMIT，如：

split /PATTERN/, EXPR, LIMIT

LIMIT参数只分裂字符串的一部分。Perl split函数相当于PHP的explode函数。

例子Example

例如试试下面的例子：

#!/usr/bin/perl -w

@fields = split(/:/, "1:2:3:4:5");
print "Field values are: @fields\n";

#It will produce following result:
#Field values are: 1 2 3 4 5

Perl split函数是非常常用的一个函数。

一个更加酷的例子如下：把字符串分割为独立的字符。

#!/usr/bin/perl -w

print join ':', split / */, 'hi there';

#result:
#h:i:t:h:e:r:e

Perl split函数完。

无觅猜您也喜欢：
Perl chomp函数	Perl chop函数	用perl统计一个六种类型的数据	Perl:用File::Basename来获取文件名	用Perl抓取网页和提交表格
无觅

网友niche Says:

你好，你有没有分割fasta文件的perl脚本，我需要把一个fasta文件按两条序列一组分成若干个fasta文件，谢谢！

如果不懂fasta文件，可以再看一下解释：
或是查看: Fasta格式的详细说明

>cel-miR-1 MIMAT0000003 Caenorhabditis elegans miR-1
UGGAAUGUAAAGAAGUAUGUA
>cel-miR-2 MIMAT0000004 Caenorhabditis elegans miR-2
UAUCACAGCCAGCUUUGAUGUGCUAUCACAGCCAGCUUUG
UAUCACAGCCAGCUUUGAUGUGC
……

其中标识符就是大于号'>'。按两个为一组分成若干个文件。大意上是这样。

分割fasta文件

#!/usr/bin/perl

#fasta2.pl
#Usage:perl fasta2.pl in_fasta out_file

open(IN,"<$ARGV[0]");
$i = 0;
$j = 1;
while(<IN>){
    if(/^>/){
        $i++;
    }
    if($i == 3){
        $j++;
        $i = 1;
    }
    open(OUT,">>$ARGV[1]_$j");
    print OUT $_;
}

注： in_fasta是指要处理的fasta文件。

           out_file是指输出的文件。（如命名为out, 则生成的文件名为out_1, out_2, out_3等）

主要是利用循环嘛，第一步是按大于号'>'来统计个数。再用$j来循环输出文件名。

无觅猜您也喜欢：
Perl:FastQ与FastA格式的相互转换	快速提取序列的Perl脚本	如何用perl处理测序文件	Fasta格式的详细说明	Perl abs函数
无觅

网友sun：

我从miRbase数据库下载到了,matrue.fa,即里面有测出来的物种的成熟miRNA,里面有human 我想用perl把human的提出来另外存到一个文件.这是其中人的一条的
>hsa-miR-96 MIMAT0000095 Homo sapiens miR-96
UUUGGCACUAGCACAUUUUUGCU
怎么把所有的都提出来.
ps:正则表达式不是这个$s=~/^>hsa/期待你的回信.

有接触过miRbase数据库的，都知道miRNA的命名Human是用hsa开头，Mouse是用mmu开头，Rat是用rno开头。

解释一下

忘了大伙对Fasta格式可能有不明白的，我来稍微解释一下上面的话。比如有一个文件：matrue.fa。里面存放的内容的格式是这样子的：

>hsa-miR-96
UUUGGCACUAGCACAUUUUUGCU
>mmu-miR-96
AAAGGCACUAGCACUCGAUCGA
>rno-miR-85
UAGUCUGCAUGUUGCACAGUGUA

上面只是举一个为例子，数据都是批量的。想要取出以hsa命名开头的数据，取出来的结果是：

>hsa-miR-96
UUUGGCACUAGCACAUUUUUGCU
……

这样子就有了下面的Perl脚本：

提取Fasta序列的Perl脚本

#!/usr/bin/perl
$/ = '>';
print '>';

while(<>){
    print if(/hsa-/);
}

这样就实现了从Fasta格式的文件中提取序列的目的，如果你再稍微改改，类似GenBank格式的也是可以提取的。还有好多，只要有唯一分隔符的都可以，不一一列出。

提醒一下：

$/ = '>';

强大之处是用了这句，自行慢慢体会。

无觅猜您也喜欢：
Perl处理Fasta序列的又一实例	用Perl打印序列	Perl:FastQ与FastA格式的相互转换	如何用perl处理测序文件	用Perl抓取网页和提交表格
无觅