’求助�。。∏笾��。。∥募�匹配輸出特定的內(nèi)容‘

sunzhiguolu

回復(fù) 10# little_joe
按照你提供的示例文件 A, B 我分別舉個(gè)例子, 看如何處理下面的這種情況:
A: (行 范圍:9~16行)
NP_415088.1-1
134
NP_415088.1-1
134
NP_415088.1-1
134
NP_415088.1-1
134

B: (行 范圍:16650~16677行)
Query= NP_415088.1-1

Length=153
                                                                      Score     E
Sequences producing significant alignments:                          (Bits)  Value

lcl|NC_000913.3_prot_YP_588440.1_550  [gene=rzoD] [protein=DLP12 ...    122   1e-35
lcl|CP011323.1_prot_SG47_0559_549  [gene=rzoD] [protein=DLP12 pro...    122   1e-35
lcl|CP011322.1_prot_SG46_0559_548  [gene=rzoD] [protein=DLP12 pro...    122   1e-35
lcl|CP006698.1_prot_N840_0565_549  [gene=rzoD] [protein=DLP12 pro...    122   1e-35
lcl|NC_002695.1_prot_NP_309651.1_1555  [gene=ECs1624] [protein=li...    118   6e-34
lcl|NC_000913.3_prot_YP_588452.1_1351  [gene=rzoR] [protein=Rac p...    115   9e-33
lcl|CP011323.1_prot_SG47_1388_1349  [gene=rzoR] [protein=Rac prop...    115   9e-33
lcl|CP011322.1_prot_SG46_1388_1348  [gene=rzoR] [protein=Rac prop...    115   9e-33
lcl|CP006698.1_prot_N840_1389_1364  [gene=rzoR] [protein=Rac prop...    115   9e-33
lcl|CP013029.1_prot_AKK22_02365_443  [gene=AKK22_02365] [protein=...  84.0    9e-21


>lcl|NC_000913.3_prot_YP_588440.1_550 [gene=rzoD] [protein=DLP12 prophage; putative lipoprotein] [protein_id=YP_588440.1]
[location=578327..578509]
Length=60

Score =   122 bits (307),  Expect = 1e-35, Method: Compositional matrix adjust.
Identities = 60/60 (100%), Positives = 60/60 (100%), Gaps = 0/60 (0%)

Query  74   MRKLKMMLCVMMLPLVVVGCTSKQSVSQCVKPPRPPAWIMQPPPDWQTPLNGIISPSERG  133
            MRKLKMMLCVMMLPLVVVGCTSKQSVSQCVKPPRPPAWIMQPPPDWQTPLNGIISPSERG
Sbjct  1    MRKLKMMLCVMMLPLVVVGCTSKQSVSQCVKPPRPPAWIMQPPPDWQTPLNGIISPSERG  60

第一個(gè)問題:
A 文件 NP_415088.1-1 (在這里共四組) 行下面的 134 與 B 文件的 Query 行后面的 133 匹配結(jié)果如何? (匹配 | 不匹配)
假設(shè)按照匹配計(jì)算:
1)如何判斷 Query  74   MRKLKMMLCVMMLPLVVVGCTSKQSVSQCVKPPRPPAWIMQPPPDWQTPLNGIISPSERG  133 行下面的
   Sbjct  1    MRKLKMMLCVMMLPLVVVGCTSKQSVSQCVKPPRPPAWIMQPPPDWQTPLNGIISPSERG  60 此行是否加入此次統(tǒng)計(jì)的結(jié)果? (像你說的分別統(tǒng)計(jì)出現(xiàn)的次數(shù))
還是假設(shè), 假設(shè) Sbjct 1 也匹配成功 進(jìn)行統(tǒng)計(jì)時(shí), 結(jié)果格式是啥樣的?
比如用這個(gè)舉例來說:
假設(shè) A 中的
NP_415088.1-1
134
出現(xiàn)了 4 次, 分別與 B 中 Query 74 行 和其下面的 Sbjct 行匹配成功 4 次. 那么結(jié)果是 RG 共計(jì)匹配了 8 次, 這樣?


   

little_joe

您說的很關(guān)鍵，再次感謝， 這樣的結(jié)果是不匹配的，我們可以把這行Query行看作是一個(gè)序號(hào)區(qū)間[77,133]我們要找的134并不在這個(gè)區(qū)間內(nèi)，所以不輸出結(jié)果， 圖中的Query和下面緊跟著的Sbjct是一個(gè)對(duì)應(yīng)的關(guān)系，主要是想通過Query序號(hào)區(qū)間判斷文件A的序號(hào)在不在該區(qū)間內(nèi)，在則找到該序號(hào)對(duì)應(yīng)的字母（即氨基酸），此時(shí)需要輸出的是Query行對(duì)應(yīng)的字母對(duì)應(yīng)的Sbjct 行的字母（輸出），并且是對(duì)該對(duì)應(yīng)的字母進(jìn)行計(jì)數(shù)的。舉例如數(shù)字Query：123456789
                                                                        Sbjct  ：235698725我們找到了4則輸出6并且計(jì)數(shù)，還有可能是存在—[即序列中插入了空格]時(shí)需要避開不讀，
比如Query：12-3456789
      Sbjct   2356987250 此時(shí)Query行照樣看作是有9個(gè)序號(hào)，但Sbjct輸出時(shí)應(yīng)該輸出9，也就是說其實(shí)就是找Query對(duì)應(yīng)的Sbjct的內(nèi)容并計(jì)數(shù)。 這種狀況也有可能存在，就是一行排不下了，會(huì)在起一行，比如匹配到了該圖中的113位則
       Query  112  SMRRKRILRVYLV  124
                         SMRRKRILRVYLV
       Sbjct  61     SMRRKRILRVYLV  73
匹配該Query113位的M輸出對(duì)應(yīng)的Sbjct的M并且計(jì)數(shù)加1。下次若在次匹配到M則M再加1，循環(huán)累計(jì)。
可以再舉例如：Query  1 ASDFGHOKL 9
                    Sbjct   4 ZVLUTVLNL 13
文件A數(shù)值為5，1<5>9則找到Query行對(duì)應(yīng)的G,輸出T,并對(duì)T計(jì)數(shù)；
再如：
                    Query  1 AS-DFGHOKL 9
                    Sbjct   4 ZVLUTVLNL 13
此時(shí)Query行由于插入-，G對(duì)應(yīng)為V但是G的序號(hào)依然是5，因?yàn)?不計(jì)數(shù)
您看看能不能更好的理解，再次感謝
                    回復(fù) 11# sunzhiguolu


   

sunzhiguolu

回復(fù) 12# little_joe
第二個(gè)問題:

... 比如匹配到了該圖中的113位則
       Query  112  SMRRKRILRVYLV  124
                         SMRRKRILRVYLV
       Sbjct  61     SMRRKRILRVYLV  73

如果Query 112 這一行排不下了 再起一行的話 第二行與第一行 之間區(qū)別在哪里?
假設(shè) A 中的 113 在 B 的
       Query  112  SMRRKRILRVYLV  124
                        SMRRKRILRVYLV
       Sbjct  61     SMRRKRILRVYLV  73
Query, Sbjct 分別找到了 M, 那么 M 的計(jì)數(shù)是分別計(jì)數(shù)還是累加即可?
我這里假設(shè) A 中總共包含 3 個(gè) 113, 輸出的結(jié)果格式是啥樣的?




   

little_joe

圖中所示的兩個(gè)Query的序號(hào)是連續(xù)的，第一個(gè)Query最后的序號(hào)是111，第二個(gè)Query的序號(hào)則為112，它倆是連續(xù)的，文件B有可能會(huì)出現(xiàn)這種情況。
它倆都找到M，Query的M是113對(duì)應(yīng)的字母，而Sbjct的M則是QueryM對(duì)應(yīng)的M,只是要統(tǒng)計(jì)Sbjct（此示例是M)中的個(gè)數(shù)和種類回復(fù) 13# sunzhiguolu


   

sunzhiguolu

回復(fù) 14# little_joe
好的, 再有問題 我再問, 我該如何處理 A, B 文件?  

   

little_joe

謝謝謝謝，用文件A匹配文件B可以嗎？回復(fù) 15# sunzhiguolu


   

sunzhiguolu

回復(fù) 16# little_joe
A, B 文件的大小 大概有多大? (我是說實(shí)際文件)

   

little_joe

文件A不大幾兆，文件B比較大300兆左右的，麻煩您了回復(fù) 17# sunzhiguolu


   

sunzhiguolu

回復(fù) 18# little_joe
我看了下 B 文件,
比如:
Query= NP_414562.1-1
下面的
Query  35  VTSSSARKWTNSGAMSGLNRASAGCFTRMTVSGRRLLRTYSVNALWRRWGVL  86
           V +    +W   GA S     SAGCFTRMT SGRRLLRTYSVNALWRRWGVL
Sbjct  39  VCAEMDEQWGYVGAKS----RSAGCFTRMTGSGRRLLRTYSVNALWRRWGVL  86

第二行的內(nèi)容是第一行內(nèi)容的銜接嗎? 那么其中的空白該如何處理, '+' 又該如何處理?
第二行的第一個(gè)非空白字符 即: 字母 V 的序號(hào)是 87 嗎?

在真實(shí)環(huán)境中, 有沒有可能 Query= NP_414562.1-1 行下面的這些
...
Query  35  VTSSSARKWTNSGAMSGLNRASAGCFTRMTVSGRRLLRTYSVNALWRRWGVL  86
           V +    +W   GA S     SAGCFTRMT SGRRLLRTYSVNALWRRWGVL
Sbjct  39  VCAEMDEQWGYVGAKS----RSAGCFTRMTGSGRRLLRTYSVNALWRRWGVL  86
...
Query  2   RATARIMGVGLNTILRHLKNSGRSR  26
           RATARIMGVGLNTILRHLKNSGRSR
Sbjct  67  RATARIMGVGLNTILRHLKNSGRSR  91

出現(xiàn) 序號(hào) 錯(cuò)亂的情況 (大的在前, 小的在后), 對(duì)于這種情況 對(duì)于 A 文件中對(duì)應(yīng)的數(shù)值 查詢 B 文件時(shí) 該如何處理?
假設(shè) A 數(shù)值 在 B 文件序號(hào)的斷檔位置該如何處理? (比如:此處 B 的Query 行的起始序號(hào) 26, 35 就沒有順序出現(xiàn))
在 A 文件中對(duì)應(yīng)的數(shù)值查詢 B 文件 Query 行的時(shí)候, B 中對(duì)應(yīng)的 Query 行的序號(hào)是先拼接在一起再處理, 還是直接進(jìn)行判斷 不在其范圍內(nèi)的直接忽略掉.


   

sunzhiguolu

回復(fù) 18# little_joe
另外追問一下, A 文件下面的
NP_414894.2-1
77
NP_414894.2-1
77
NP_414894.2-1
77
NP_414894.2-1
77

這種冗余數(shù)據(jù)該如何處理?