用正則表達式檢查有效的DNA序列

Question

我想編寫一個子程序，它將FASTA文件作為參數並打印出序列（沒有標題）。 子程序應檢查序列是否包含除DNA鹼基（A，T，G，C）之外的任何其他字母。

這是我的代碼：

scalar_sequence ("sequence.fa");

sub scalar_sequence {
    my $file = $_[0];
    my $sequence;
    open (READ, $file) || die "Cannot open $file: $!.\n";
    while (<READ>){
        if (/^>/){
            next;
        } 
        if (/^[ATCG]/){
            $sequence .= $_;
        } else {
            die "invalid sequence\n";
        }
    }
    print $sequence, "\n";
}

當我運行此代碼時，我得到'無效序列'作為輸出。 當我離開'else'時，即使序列包含另一個字母，它也會打印出序列。

有什么問題？

提前致謝！

Answer 1

問題在這里/^[ATCG]/這一行應該是/^[ATCG]+$/

你的代碼應該是

chomp;  
next if (/^>/); # skip for header
next if(/^\s*$/);  #skip for empty line
if (/^[ATCG]+$/){
        $sequence .= $_;
    } else {
        die "invalid sequence\n";
    }

您只考慮以A或T或G或C開頭的行。您應該擴展匹配。