perl练习——FASTA格式文件中序列GC含量计算&perl数组排序如何获得下标或者键
一、关于程序：
FUN：计算FASTA文件中每条序列中G和C的含量百分比，输出最大值及其id
INPUT：FASTA格式文件
>seq1 CGCCGAGCGCTTGACCTCCAGCAAGACGCCGTCTGGCACATGCAACGAGCTGTAGCAGAC >seq2 ATGCCTAGAACGTTCGAGACTTCTCGGGTGCGGTAGAATTAGCCATTCGACCGACTTCCA GCATCTGCGAGCCGCCTGTTGATTGCATCCGCCGGGGACGCAACAAGGCAAGGCCCTAAC
OUTPUT：最高含量的序列id及其含量（这是上面的结果）
seq1 63.333333%
二、编程思想及代码
当是注释行时（>……），获得序列 ID ,并跳过该次循环；当读到非注释行即序列行时，记录该行“G和C的含量”以及“序列的总含量”，这都可以利用perl上下文实现。（但是在这里有一些疑惑——当把14行@num换成$num会出现计算错误，知道的朋友欢迎留言）
1 use strict; 2 my %GC_content; # id=>GC_content 3 my %sequences; # id=>sequence 4 my ($id, $sum); # id, 每个序列的字符个数 5 my @num; # 中间变量，用于存储单行中某字符的含量 6 while(my $seq = <>){ 7 chomp($seq); 8 if($seq =~ m/^>(.*)/){ 9 $id = $1; 10 next; 11 } 12 @num = ($seq =~ m/(G|C)/g); 13 $GC_content{$id} += @num; 14 @num = ($seq =~ m/(.)/g); 15 $sequences{$id} += @num; 16 } 17 18 foreach(keys(%GC_content)){ 19 $GC_content{$_} /= $sequences{$_}; 20 } 21 my @sort = sort{$GC_content{$b} <=> $GC_content{$a}} keys(%GC_content); 22 printf("%s\n%.6f%\n", $sort[0], $GC_content{$sort[0]}*100);
三、技巧
神奇的perl，神奇的sort！！
对数组（或者哈希）排序获得下标的方式：
# 数字排序：
my @arr = qw(2 3 41 2 34 );
my @result1 = sort{$a <=> $b} @arr;
# 获得下标：
my @result2 = sort{$arr[$a] <=> $arr[$b]} 0..$#arr;
# 获得key：
my %hash = (
one =>1,
two =>5,
tree=>9
);
my @result3 = sort{$hash{$a} <=> $hash{$b}} keys(%hash);
print "数字排序：@result1\n获得下标：@result2\n获得key：@result3\n";
备注：贴一个感觉不错的代码（学习学习）
$/ = '>'; <>; # 读一次">"前的序列，以免下面代码出错 while (<>) { chomp; my ($id, @ary) = split '\n'; my $seq = join '', @ary; my $ratio = &GC_content($seq); if ($ratio > $highest) { $highest = $ratio; @result = ($id, $ratio); } } print join "\n", @result; sub GC_content { my ($seq) = @_; my $ratio = $seq =~ s/([CG])/$1/g / length($seq) * 100; return $ratio }
