0

我在其中标记了 python 和 perl，只是因为这是我迄今为止使用的。如果有人知道更好的方法来解决这个问题，我当然愿意尝试一下。无论如何，我的问题：

我需要为遵循以下格式的基因预测程序创建一个输入文件：

seq1 5 15
seq1 20 34

seq2 50 48
seq2 45 36

seq3 17 20

其中 seq# 是geneID，右边的数字是开放阅读框中外显子的位置。现在我有了这些信息，在一个包含很多其他信息的 .gff3 文件中。我可以用 excel 打开它并轻松删除包含不相关数据的列。现在是这样安排的：

PITG_00002  .   gene    2   397 .   +   .   ID=g.1;Name=ORF%
PITG_00002  .   mRNA    2   397 .   +   .   ID=m.1;
**PITG_00002**  .   exon    **2 397**   .   +   .   ID=m.1.exon1;
PITG_00002  .   CDS 2   397 .   +   .   ID=cds.m.1;

PITG_00004  .   gene    1   1275    .   +   .   ID=g.3;Name=ORF%20g
PITG_00004  .   mRNA    1   1275    .   +   .   ID=m.3;
**PITG_00004**  .   exon    **1 1275**  .   +   .   ID=m.3.exon1;P
PITG_00004  .   CDS 1   1275    .   +   .   ID=cds.m.3;P

PITG_00004  .   gene    1397    1969    .   +   .   ID=g.4;Name=
PITG_00004  .   mRNA    1397    1969    .   +   .   ID=m.4;
**PITG_00004**  .   exon    **1397  1969**  .   +   .   ID=m.4.exon1;
PITG_00004  .   CDS 1397    1969    .   +   .   ID=cds.m.4;

所以我只需要粗体的数据。例如，

PITG_0002 2 397

PITG_00004 1 1275
PITG_00004 1397 1969

您能提供的任何帮助将不胜感激，谢谢！

编辑：嗯，我搞砸了格式。**之间的任何东西都是我需要的，哈哈。

4

4 回答 4

2

在 Unix 中：

grep <file.gff3 " exon " |
    sed "s/^\([^ ]+\) +[.] +exon +\([0-9]+\) \([0-9]+\).*$/\1 \2 \3/"
于 2013-01-11T21:15:04.043 回答
1

对于行人：

（这是 Python）

with open(data_file) as f:
    for line in f:
        tokens = line.split()
        if len(tokens) > 3 and tokens[2] == 'exon':
            print tokens[0], tokens[3], tokens[4]

哪个打印

PITG_00002 2 397
PITG_00004 1 1275
PITG_00004 1397 1969
于 2013-01-11T21:12:22.120 回答
1

看起来您的数据是制表符分隔的。

这个 Perl 程序将从第三列中的所有记录中打印出第 1、4 和 5exon列。您需要将open语句中的文件名更改为您的实际文件名。

use strict;
use warnings;

open my $fh, '<', 'genes.gff3' or die $!;

while (<$fh>) {
  chomp;
  my @fields = split /\t/;
  next unless @fields >= 5 and $fields[2] eq 'exon';
  print join("\t", @fields[0,3,4]), "\n";
}

输出

PITG_00002  2 397
PITG_00004  1 1275
PITG_00004  1397  1969
于 2013-01-12T00:24:50.753 回答
0

这是一个 Perl 脚本选项perl scriptName.pl file.gff3：

use strict;
use warnings;

while (<>) {
    print "@{ [ (split)[ 0, 3, 4 ] ] }\n" if /exon/;
}

输出：

PITG_00002 2 397
PITG_00004 1 1275
PITG_00004 1397 1969

或者您可以执行以下操作：

perl -n -e 'print "@{ [ (split)[ 0, 3, 4 ] ] }\n" if /exon/' file.gff3

要将数据保存到文件：

use strict;
use warnings;

open my $inFH,  '<',  'file.gff3' or die $!;
open my $outFH, '>>', 'data.txt'  or die $!;

while (<$inFH>) {
    print $outFH "@{ [ (split)[ 0, 3, 4 ] ] }\n" if /exon/;
}
于 2013-01-11T21:46:40.027 回答