在Perl中，我如何使用一个文件中的正则表达式来匹配另一个文件中的FASTA序列

Question

我有两个文件，第一个（file1）包含多个rexege，而另一个（file2）包含FASTA sequence。 我的意图是使用file1中的正则表达式检查它们是否与file2中的任何Fasta序列匹配，并打印出至少匹配一个序列的正则表达式，并显示它们匹配的序列数。 我希望提供示例代码，但是我什至无法开始。 请帮忙。

file1的结构使得每行都有一个ID，后跟'>>'，然后是正则表达式；

e.g FGER_HWW_PRT >> ..DW[ALK]..[^P]..[VI]{2,4}
    TKAR_GLW_NQW >> [^VKR]{0,2}..FP[D].T.N.Q.

    etc...

file2在一行上具有一个序列标识符，在下一行上具有该序列标识符；

e.g     >lac9_B: details details
    GFVTSDRWPALKMSRWSLEMVWASRGYPLVNDRMWSWSDDDP
    >serP_A: otherdetails details2
    GFVLSDPPPPALKMSRWSLEMVWASRGYPLVNDPWQRTKRKRKDRTCWASNYIHDRP

          etc...

提前致谢。

Answer 1

这可能会让您入门。 如果您认为这可能对您有用，请告诉我，我可以解释发生了什么事：

#!/usr/bin/perl
use warnings;
use strict; 

（使用您的.fasta文件作为输入）：

my $infile = 'in.txt';
open my $input, '<', $infile or die "Can't open to $infile: $!";

my (@head, @seq, %hash);

设置一个“ match”变量来测试您的标头是否：

my $match = "details2";
while (<$input>) {
    chomp;
    push @head, $_ if /^>/;
    push @seq, $_ if /^[A-Z]/;
    @hash{@head} = @seq;
}

循环浏览哈希的键（标头），并测试打印标头和序列（如果它们与您的match变量匹配）：

foreach my $header (keys %hash){
    if ($header =~ /$match/){
    print "Name: $header\tcontains: '$match'\nSequence: $hash{$header}\n" ; 
    }
}

输出：

Name: >serP_A: otherdetails details2    contains: 'details2'
Sequence: GFVLSDPPPPALKMSRWSLEMVWASRGYPLVNDPWQRTKRKRKDRTCWASNYIHDRP