问题标签 [bioperl]

我正在使用 Bio::DB::EUtilities 来查询具有给定 PMID（Pubmed Id）的 Pubmed DB。

有没有办法直接访问对象（例如抽象）而不是写入文件响应并使用 XML::Twig 左右？

如果有人可以帮助我获得以下代码来输出输入文件（http://biopython.org/DIST/docs/tutorial/examples/ls_orchid.gbk）中所有记录的序列（包括 id），我会很高兴：

我希望看到一个由纯序列（最好带有标题）组成的输出，如下所示：

谢谢

我对 Perl 和 Bioperl 还很陌生，我正在尝试编写一个脚本来识别相同序列的实例。为了实现这一点，我设想了一个包含 2 个 infile 的脚本，第一个是 fasta 格式的多重对齐，第二个是附件文件，它将 fasta id 链接到其他相关信息。我的方法是通读 Bio::SeqIO 的多重比对，并将文件内容放在哈希中，其中序列是键，id 是值，或者在序列共享的情况下，id 数组是值.

我认为它应该看起来像这样：

"AATTTGTTGTTGTACC" => ('Seq1', 'Seq13'),

"TTTCTCTTTCCCAAAG" => 'Seq2',

目前，我相信我被卡住了，因为在序列共享的情况下尝试将第二个 id 推送到数组上时出错（即上面示例中的“Seq13”）。

这是我正在使用的测试多重对齐：

在我到目前为止编写的代码下方：

因此，我希望得到一些帮助

1) 我收到一个我不太理解的错误，但我认为这与 push 语句有关 --> 在 ht_sharing 中使用“strict refs”时不能使用字符串 ("Seq1") 作为 ARRAY ref。 pl 第 24 行，第 3 行。

2）当 if 循环外的 print 语句处于活动状态时，它会打印我认为应该的 id（即 Seq1），但在 if 循环内的 print 语句中，相同的调用 $seq->id 会产生一个引用（即 Bio ::Seq=HASH(0x19e7210)->id)。为什么是这样？我不明白为什么打印 $seq->id 在同一个while循环中有不同的输出。

如果有人能提供澄清，我将非常感激，当然，因为有人对最佳实践或解决问题的更好方法的评论仍然很陌生，也很棒。

干杯，安娜

当 DNA 序列中存在某种模式时，我想检索编码氨基酸。例如，模式可以是：ATAGTA。所以，当有：

输入文件：

理想的输出将是一个表格，其中每个氨基酸的次数由模式编码。在序列 1 中，模式只编码一个氨基酸，但在序列 2 中，它编码两个。我想让这个工具可以扩展到数千个序列。我一直在考虑如何完成这项工作，但我只想：替换所有与模式不同的核苷酸，翻译剩下的内容并获得编码氨基酸的摘要。

请让我知道是否可以通过现有工具执行此任务。

谢谢你的帮助。一切顺利，贝尔纳多

编辑（由于我的帖子产生的混乱）：

请忘记原始帖子以及序列1和序列2。

大家好，很抱歉造成混乱。输入的 fasta 文件是使用“FeatureExtract”工具（ http://www.cbs.dtu.dk/services/FeatureExtract/download.php ）从 GenBank 文件派生的 *.ffn 文件，因此可以想象它们已经在帧（+1），并且不需要在与+1不同的帧中编码氨基酸。

我想知道以下序列编码的是哪种氨基酸：

我想获得编码氨基酸的唯一字符串是三个 AG、GA、CT 或 TC 的重复，分别是 (AG)3、(GA)3、(CT)3 和 (TC)3。我不希望程序检索四个或更多重复的编码氨基酸。

再次感谢，贝尔纳多

我安装了 CPAN，然后成功安装了 Bioperl。我找不到 Bio perl 文件夹/usr/bin

但是，文件存在于home/.cpan/build/BioPerl-1.61/Bio/

我无法使用 Bio::SeqIOKomodo

IDE：科莫多编辑 8

操作系统：Ubuntu 12.04

Perl -v：5.14

我应该如何进行？

我是生物信息学的初学者，我一直在编写一些 Bio Perl 代码来将配对的末端 MiSeq 数据（当前位于 1 个 fastq 文件中）拆分为 2 个文件，每个文件包含该对的一个末端。配对末端 reads 的不同末端可以通过fastq 标头中空格后的1或2来区分。该文件遵循典型的 fastq 格式，例如在命令行中使用“head”：

我编写了一个代码，试图使用匹配来定位标头中的 1 或 2。虽然我使用 Bio::SeqIO perl 似乎无法识别 fastq 格式，但我不断收到此错误：

有人可以帮我找到/修复我的错误吗？BioPerl 网站提供的信息表明 Bio::SeqIO 应该能够识别 fastq 格式。

这是我写的代码：

感谢您对我的初学者知识的帮助和耐心。

〜铝

问题更新：

我已经修复了我的new行中的逗号错误，现在我在运行代码时遇到了这个错误：

我所做的所有阅读似乎都表明 BioPerl 本身中的 FASTQ 解析器存在一些问题。我曾希望让这段代码工作，因为我是一个初学者并试图提高我的编程技能（我完全是自学的），这是一个编程对我有实际应用的问题。我同意关于这很慢并且可能不是处理大型 FASTQ 文件的最佳方法的评论。

关于 + 描述符，我的文件是否需要在其他软件程序中使用（例如：CLC）或者我可以通过删除 FASTQ 中的那一行来解决问题？+ 实际上不包含任何读取的质量信息，对吗？

再次感谢您的输入！

我有一个查询列表并在一个文件 (file1) 中点击 gi。我有另一个文件，其中有完整的命中名称（file2），现在我想将命中 gi 从 file1 替换为具有完整命中名称的 file2。我希望 gi 必须在每个对应的查询前面用相同的 gi 替换。

文件 1

文件2

所需的输出：

我需要获得这样的东西：

但是，我不知道如何继续......现在我有了这个：

换句话说......我不知道如何添加标签和相应的成绩单，CDS等。

我现在的代码如下：

我也阅读了 CPAN 信息，但没有任何线索...... NCBI 文件有很多信息，但 GFF 没有......

我的数据：

任何帮助都会非常受欢迎。

我一直在使用模块使用 Bio::DB::Fasta 来访问 fasta 文件（此处的文档：https ://metacpan.org/pod/Bio::DB::Fasta#OBJECT-METHODS ）。我发现这比使用 Samtools 从 fasta 文件中提取位置要快得多。但是，我想知道是否有人知道如果查询包含超出 fasta 最大长度的位置会发生什么。

今天，在一次查询中，我尝试访问 fasta 中的位置，该位置超出了 fasta 中的最大位置。但是，在这种情况下，该方法没有给出错误。我的 fasta 文件包含 0/1 个碱基，返回的输出是“1”。我想知道这是否是一个错误，或者实际上它提供了有效的输出但位置错误。我尝试查看文档，但找不到有关错误代码的任何信息。

我的代码如下：

注意：在 1KG_maskfile.fa 中，最大位置为 249224750（基于字符数，不包括标题）。

基本上，GenBank 文件包含基因条目（由“基因”宣布，然后是其相应的“CDS”条目（每个基因只有一个），就像我在下面展示的两个一样。我想在制表符分隔中获取 locus_tag 与产品两列文件。“基因”和“CDS”总是前后都有空格。如果使用现有工具可以轻松执行此任务，请告诉我。

输入文件：

所需的输出（locus_tag vs product 在制表符分隔的两个列文件中）：

事实上，有这个输出是理想的，每个基因一行（仅显示一个基因）：