perl

super_two

我的文件 都是這種FASTA格式：
qwer.1         AFRTYUIFGHJKLVBNM
qwer.2         BVXNVFGSFYEBCSHB
qwer.3         HDFKSHFGSERYFIEURHFSUFDSHVBSJEUABFUHABFCAHFBC
rtyuip00.1    AFHBVSFHUACFKUSHDBAKFHAKUFHSADKFUA
hhjkl.1         JDNVKHFBAKHFAKFAFJNSADFJAS
hhjk.2         HFSDHNFKANFAKFIJI
hhjk.3         JNFAJNFALSDFLMAD
hhjk.4         KJGSEGJOAKFFDSMFAPOKEF
...
現(xiàn)在我想把小數(shù)點前相同的放到一起，點后的忽略。然后比較小數(shù)點前相同的ID后的序列長度，將最長的輸出來；若有多條一樣長則隨機輸出其中一條，請大神用perl寫個程序。其實就是處理可變剪切，不知道我是否描述清楚了。

super_two

我的文件 都是這種FASTA格式：
qwer.1         AFRTYUIFGHJKLVBNM
qwer.2         BVXNVFGSFYEBCSHB
qwer.3         HDFKSHFGSERYFIEURHFSUFDSHVBSJEUABFUHABFCAHFBC
rtyuip00.1    AFHBVSFHUACFKUSHDBAKFHAKUFHSADKFUA
hhjkl.1         JDNVKHFBAKHFAKFAFJNSADFJAS
hhjk.2         HFSDHNFKANFAKFIJI
hhjk.3         JNFAJNFALSDFLMAD
hhjk.4         KJGSEGJOAKFFDSMFAPOKEF
...
現(xiàn)在我想把小數(shù)點前相同的放到一起，點后的忽略。然后比較小數(shù)點前相同的ID后的序列長度，將最長的輸出來；若有多條一樣長則隨機輸出其中一條，請大神用perl寫個程序。其實就是處理可變剪切，不知道我是否描述清楚了。

MMMIX

@b114213903

zxy877298415

1. awk -F '[. ]+' '{a[$1]=a[$1]?a[$1]" "$3:$3}END{for(i in a){printf i" ";for(j=1;j<=split(a[i],b," ");j++) {if(length(b[j])>int(t))t=b[j]}print t;t=""}}' file

復制代碼

回復 1# super_two


   

super_two

我是新手，麻煩您給解釋一下，謝謝~回復 2# zxy877298415


   

tc1989tc

字典加數(shù)組 然后sort數(shù)組

MMMIX

為啥不自己先寫一個呢? 新手就應該多練習嘛

super_two

我寫了一個，但是不能運行。我的想法就是用Bio::SeqIO模塊，提取出原始文件的ID，和序列，并以內length計算出每個序列的長度。
將提出的ID按照小數(shù)點前相同的ID及其序列放進一個數(shù)組，然后分別在這個數(shù)組中找出最長的序列輸出來，但是要將原始ID、序列以及長度都分別對應，我不知道如何才能對應好。不知道我這個思路對不對




回復 7# MMMIX


   

MMMIX

回復 8# super_two


    不能運行也罷, 貼上來看看.

聆雨淋夜

想得復雜點了

1. awk -F '[. ]+' '$1!=a{ml=length($3);a=$1;b[$1]=$3}$1==a{if(length($3)>ml){ml=length($3);b[$1]=$3}}END{for(i in b)print i"  "b[i]}' file

復制代碼

hhjk  KJGSEGJOAKFFDSMFAPOKEF
hhjkl  JDNVKHFBAKHFAKFAFJNSADFJAS
rtyuip00  AFHBVSFHUACFKUSHDBAKFHAKUFHSADKFUA
qwer  HDFKSHFGSERYFIEURHFSUFDSHVBSJEUABFUHABFCAHFBC