Discussion :

[Noirham]

Bien le bonjour !

Voilà, j'aurai besoin de votre aide pour un petit script perl (ou bash ?) de dépannage.

En effet, mon maître de stage a quelques énormes retours de Blastx en fichiers textes d'une taille minimale de 1.2Go... Plutôt énormes donc, et inouvrables.

Pour alléger tout ça, on m'a demandé de supprimer les informations "inutiles" des retours ( les références notamment).
Pour compléter, on m'a aussi demandé de supprimer des résultats où aucun hit n'est trouvé, tout en enregistrant dans un nouveau fichier la liste des query concernées. Cet aspect là ne me parait pas bien compliqué, je me débrouillerai.


Donc, pour visualiser, voici ce que je dois obtenir après traitement (parties en rouge à supprimer, en bleu à sauvegarder dans autre sortie, en vert fichier en lecture modifié) [ici c'est un tblastn, mais ça ne change rien au principe] :

TBLASTN 2.2.21 [Jun-14-2009]


Reference: Altschul, Stephen F., Thomas L. Madden, Alejandro A. Schaffer,
Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997),
"Gapped BLAST and PSI-BLAST: a new generation of protein database search
programs", Nucleic Acids Res. 25:3389-3402.

Query= chromo1_4117
(158 letters)

Database: /home/noirham/Programmation/Stage/cnrs/002
2 sequences; 103,754 total letters

Searching..................................................done

***** No hits found ******


TBLASTN 2.2.21 [Jun-14-2009]


Reference: Altschul, Stephen F., Thomas L. Madden, Alejandro A. Schaffer,
Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997),
"Gapped BLAST and PSI-BLAST: a new generation of protein database search
programs", Nucleic Acids Res. 25:3389-3402.


Query= chromo1_4391
(231 letters)

Database: /home/noirham/Programmation/Stage/cnrs/002
2 sequences; 103,754 total letters

Searching..................................................done



Score E
Sequences producing significant alignments: (bits) Value

0002 20 7.8

>0002
Length = 58817

Score = 19.6 bits (52), Expect = 7.8, Method: Compositional matrix adjust.
Identities = 9/28 (32%), Positives = 15/28 (53%)
Frame = -1

Query: 152 CPLLPVREPCCVCLKSLRLLLFRSPPPF 179
C L + P C C+ S+ + ++ SP F
Sbjct: 18161 CKL*RIDSPNCFCISSVVIPIYVSPINF 18078

Idéalement, je voudrais éviter de recréer un nouveau fichier, étant donné la taille du fichier initial. Mais je n'arrive pas à trouver comment supprimer des lignes dans un fichier en lecture. Voici l'état de mon code actuellement :

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
#!/usr/bin/perl
use strict;
use warnings;
 
 
 
 my $name_file = ""; my $outfile_a = ""; my $outfile_b = ""; #my $parser = ""; my $result = "";
 
	($name_file)=$ARGV[0]=~/([\w\-_]+\.)txt/ ;
	$outfile_a = $name_file."no_hit";
	#$outfile_b = $name_file."clean.txt";
 
 
	open(IN, "+>$ARGV[0]")|| die "cannot open $ARGV[0]";			#ouvre le fichier passé en arguments
	open(OUT, ">$outfile_a")|| die "cannot create $outfile_a";		#crée le fichier de sortie no_hit
	#open(OUT, ">$outfile_b")|| die "cannot create $outfile_b";		#crée le fichier de sortie no_hit
 
 
	while (<IN>)	{
 
		s/Reference: Altschul, Stephen F., Thomas L. Madden, Alejandro A. Schaffer,//; #Pour remplacer la 1ere ligne de référence par une expression vide
 
	}
 
	close(IN);
	close(OUT);

Ce script a pour merveilleux effet de me supprimer l'intégralité du fichier...
Ce qui me bloque pour l'instant, c'est simplement le fait que je ne connaisse pas d'astuce pour supprimer une ligne... Le reste n'est qu'une question d'expression.


Je vous remercie d'avance pour votre aide précieuse.

[mamax29]

Salut,

Le plus simple c'est de parcourir ton fichier simplement et de le réécrire, ligne par ligne, à la volée dans un autre fichier en omettant de réécrire ce que tu ne veux pas.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
while (my $ligne = <FILEIN>)
{
    if ($ligne !~ m/je veux pas ca/ )
    {
        print OUT $ligne;
    }
}

une autre solution consisterai à utiliser le module: Tie::File
http://search.cpan.org/~mjd/Tie-File...ib/Tie/File.pm

Qui ouvre une fichier (sans le stocker en mémoire!) et donne accès à chaque ligne via un tableau. modifier le tableau (supprimer un élément) modifie directement le fichier.

[Noirham]

Merci ! La première solution m'a l'air pas mal ! Je teste ça dessuite.

Par contre, (google est mon ami je vérifie en même temps, mais bon, au cas où), dans le m/ /, je mets l'expression entière, ou juste un mot qui apparaît dans les lignes que je ne veux pas ?

[mamax29]

"m/ /" c'est pour matcher une expression régulière.

ton expression régulière peut être tout ce que tu veux: la ligne entière dans son intégralité, juste un mot, ou une "vrai" REGEX

[Noirham]

Merci beaucoup ! C'est parfait.