Discussion :

[Jasmine80]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my $sequence = 'ATC.GATGAT....ACAGTAGATA..CAGATATG..TTCGCG...ATATAGGCAAG...ATGGATA.CCAGTA.T';

Problème :

A partir du Xième caractère de la séquence X = 30 (2ème A de CAGATATG)
Récupérer N nucléotides de part et d'autre N = 5

Résultat attendu TA..CAGATATG..T


Quelle est la manière la plus simple de procéder?


Merci pour votre aide,

[djibril]

Avec un substr, non ?

[Jasmine80]

Avec un substr, non ?

Je ne sais pas j'ai commencé quelque chose de compliqué :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
 
my @sequence_list = split (//, $sequence);
 
my $x = 30;
my $n = 5;
 
# $x - 1 pour avoir l'indice de l'array
$x --;
 
 
my $subseq .= $sequence_list[$x];
 
 
my $ok = 0;
 
 
# récupération de n nucléotides à droite à partir de $xième
while ($ok < $n){
 
	# on progresse 1 à 1
	$x ++;
 
	if ($sequence_list[$x] =~ m/[ATCG]/i ){		
 
		$ok ++;
		$subseq .= $sequence_list[$x];
	}
 
}

[Jasmine80]

Peut-on dans une expression régulière donner la position? en utilisant $* ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

=~ [\w\.*\w\.*\w\.*\w\.*\w\.*[\w\.]\.\w\.*\w\.*\w\.*\w\.*\w]

Récupérer 5 lettres à gauche et 5 à droite en disant que la lettre rouge (ou le point) est à la 30ième position

... le problème, c'est que le nombre de lettres à récupérer est une variable $n

[djibril]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
my $sequence = 'ATC.GATGAT....ACAGTAGATA..CAGATATG..TTCGCG...ATATAGGCAAG...ATGGATA.CCAGTA.T';
my $motif = 'CAGATATG';
my $N = 5;
if ( my ($avant, $apres) = $sequence =~ m/(.{$N})$motif(.{$N})/ ) {
  print "Avant : $avant\n";
  print "Apres : $apres\n";
}

Avant : ATA..
Apres : ..TTC

[djibril]

Je ne sais pas si j'ai bien saisi car je ne comprends pas ton résultat obtenu par rapport à ton énoncé. Si tu veux juste 5 caractères avant le X=30 et 5 après, pourquoi ne pas utiliser un subtr comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
my $X = 30;
print substr $sequence,$X-5, 2*$N;

.CAGATATG.

[Philou67430]

Je suis d'accord avec djibril, substr est la meilleur solution.
L'équivalent regexp pourrait être :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

/.{15}(.{10})/

mais il sera forcément moins performant.

[Jasmine80]

Je ne sais pas si j'ai bien saisi car je ne comprends pas ton résultat obtenu par rapport à ton énoncé. Si tu veux juste 5 caractères avant le X=30 et 5 après

Je ne veux pas 5 caractères, je veux 5 lettres (A, T, C ou G) quelques soit le nombre de points intermédiaires.

[Jasmine80]

Voici un programme faisant ce que je veux, mais il devrait y avoir moyen de faire un meilleur code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
 
#!/usr/local/bin/perl
 
use strict;
use warnings;
 
 
my $sequence = 'ATC.GATGAT....ACAGTAGATA..CAGATATG..TTCGCG...ATATAGGCAAG...ATGGATA.CCAGTA.T';
 
=h
A partier du Xième caractère (2ème A de CAGATATG)		X = 30
Récupérer N nucléotides de part et d'autre			N = 5
 
Résultat TA..CAGATATG..T
 
 
=cut
 
 
my @sequence_list = split (//, $sequence);
 
my $x = 30;
# $x - 1 pour avoir l'indice de l'array
$x --;
 
my $n = 5;
my $ok = 0;
 
my $x2 = $x;
 
 
my $subseq .= $sequence_list[$x];
 
 
 
# récupération de n nucléotides à droite à partir de $xième
while ($ok < $n){
 
	# on progresse 1 à 1
	$x ++;
 
	if ($sequence_list[$x] =~ m/[ATCG]/i ){		
 
		$ok ++;
		$subseq .= $sequence_list[$x];
	}
 
}
 
$ok = 0;
 
 
# récupération de n nucléotides à gauche à partir de $xième
while ($ok < $n){
 
	# on progresse 1 à 1
	$x2 --;
 
	if ($sequence_list[$x2] =~ m/[ATCG]/i ){		
 
		$ok ++;
		$subseq = $sequence_list[$x2].$subseq ;
 
		print "$x2 => $sequence_list[$x2]\n";
	}
 
}
 
 
 
print "$subseq\n";

[Philou67430]

Je ne comprends pas Jasmine. Tu dis cela

Je ne veux pas 5 caractères, je veux 5 lettres (A, T, C ou G) quelques soit le nombre de points intermédiaires.

et tu attends ce résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
...
=h
A partier du Xième caractère (2ème A de CAGATATG)		X = 30
Récupérer N nucléotides de part et d'autre			N = 5
 
Résultat TA..CAGATATG..T

Pourrais-tu préciser, car j'ai une autre solution, mais il faudrait savoir si :
- les X caractères représentent X lettres ou X caractères quelconques (incluant le .)
- les N nucléotides peuvent-elle contenir des . comme dans ton exemple (donc ce serait des caractères et non des lettres) ?

[Jasmine80]

Merci de t'intéresser à mon problème

Pourrais-tu préciser, car j'ai une autre solution, mais il faudrait savoir si :
- les X caractères représentent X lettres ou X caractères quelconques (incluant le .)

X lettres sans points

- les N nucléotides peuvent-elle contenir des . comme dans ton exemple (donc ce serait des caractères et non des lettres) ?

En effet, je ne suis pas claire car il manque une étape à mon résulat, il faut enlever les points

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$Resultat = 'TA..CAGATATG..T';
$Resultat =~ s/\.//g;

On obtient donc :
TACAGATATGT
54321012345


Est-ce plus clair ainsi?

Le programme que j'ai posté fait ce travail là mais je le trouve lourd.


Merci

[Philou67430]

Il reste une chose pas claire : 30 caractères ATCG à partir du début ne correspond pas au 2e A de CAGATATG, mais au 30e caractère incluant les points (d'où ma question).

Si je considère ce que tu me dis, le résultat que tu attends n'est donc pas celui que tu annonces, et cet uniligne devrait faire ce que tu attends :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$ perl -e '($X, $N) = (30, 5);my $sequence = "ATC.GATGAT....ACAGTAGATA..CAGATATG..TTCGCG...ATATAGGCAAG...ATGGATA.CCAGTA.T";$s = join "", @{[$sequence =~ /([ATCG])/g]}[($X-$N)..($X+$N-1)];print "s=$s\n" '

[Jasmine80]

Merci pour ton aide

Il reste une chose pas claire : 30 caractères ATCG à partir du début ne correspond pas au 2e A de CAGATATG, mais au 30e caractère incluant les points (d'où ma question).

C'est au 30ième caractères (incluant le points) mais on récupère de part et d'autre 5 nucléotides (lettres uniquement).

Je ne peux pas faire un programme uniligne car j'ai plusieurs séquences dans un fichier à traiter. J'ai simplifié le problème en donnant un exemple plus simple.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
# fichier d'entrées
my $infile = 'P:/Theorie/Driss/PAF_probes/fasta_poly/consensus80_sub.fsa';
 
my $in  = Bio::SeqIO->new(-file => $infile , '-format' => 'fasta');
 
 
while ( my $seq = $in->next_seq() ) {
 
# avec $seq->seq étant la séquence

[Philou67430]

L'uniligne n'était là qu'à titre d'exemple... il faut bien sur l'adapter.
Et ta dernière réponse va à l'encontre de ce que tu as dis plus haut :

Pourrais-tu préciser, car j'ai une autre solution, mais il faudrait savoir si :
- les X caractères représentent X lettres ou X caractères quelconques (incluant le .)

X lettres sans points

Donc mon exemple uniligne n'est pas correct.

[Jasmine80]

Je ne pense pas m'être contredite, je vais essayer de réexpliquer plus clairement :

Quand on compte la position 30, on compte avec les points
Quand on recherche 5 caractères, on compte sans les points

Donc comme j'ai dit :

C'est au 30ième caractères (incluant le points) mais on récupère de part et d'autre 5 nucléotides (lettres uniquement).

Qu'est-ce qui ne concorde pas?

[Philou67430]

L'uniligne qui donne le bon résultat (à adapter en récupérant l'affectation de la variable $s) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$ perl -e '($X, $N) = (30, 5);my $sequence = "ATC.GATGAT....ACAGTAGATA..CAGATATG..TTCGCG...ATATAGGCAAG...ATGGATA.CCAGTA.T";$s = join "", @{[substr($sequence, 0, $X-1) =~ /([ATCG])/g]}[-5..-1], @{[substr($sequence, $X-1) =~ /([ATCG])/g]}[0 .. 5];print "s=$s\n" '

Principe :
On découpe la séquence en deux morceaux, celui avant le caractère X, et celui après.
Pour chaque morceau, on récupère avec une regexp les ATCG dans un tableau anonyme dont on prend :
- pour la première moitié de la séquence, les 5 derniers éléments
- pour la deuxième moitié de la séquence, les 6 premiers éléments.

[Philou67430]

Qu'est-ce qui ne concorde pas?

Oublions, c'est clair à présent
(je n'ai sans doute pas été assez clair moi même quand j'ai demandé des précisions).

[Jasmine80]

Merci, je vais y regarder et je poserai des questions si besoin

[Philou67430]

Je serais sans doute absent cet après-midi.
Mais j'ai testé l'uniligne, qui retourne bien ce que tu attends.

[Jasmine80]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

@{[substr($sequence, 0, $X-1) =~ /([ATCG])/g]}[-5..-1]

Dans cette partie, on prend la sous-séquence de 0 jusqu'à X-1, on récupère un A, T, C ou G mais je ne comprends pas pourquoi de l'indice -5 à -1?