convertir un fichier fasta en format EMBL via Bio::SeqIO

**zaboug** · 30/07/2009, 11h14

Bonjour,

pour pouvoir utiliser un programme particulier sur mes séquences (qui sont actuellement au format fasta), je dois les convertir au format embl.

J'ai trouvé ce post où Jasmine80 explique comment se servir du module Bio::seqIO pour convertir un fichier EMBL en fichier fasta.
à partir de là, c'était pas bien compliqué de faire l'inverse.

Voici mon 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
#!/usr/bin/perl -w
 
##packages utilises
use strict;
use diagnostics;
use Bio::SeqIO;
 
#pour la récupération des arguments
use vars qw($opt_h $opt_f);
use Getopt::Std;
 
##recuperation des arguments - initialisation
getopts("hf:") or die("erreur(s) de saisie dans les options. Faire -h pour obtenir l'aide\n");
if (defined($opt_h))
{
	&help;
	exit;
}
elsif(!defined($opt_f))
{
	die("Parametre manquant : -f doit etre definit. Faire -h pour obtenir de l'aide.\n");
}
 
my $out_file;
 
if($opt_f =~ m/(.+)\.(fa|fasta)/)
{
	$out_file = "$1.embl";
}
 
my $in  = Bio::SeqIO->new(-file => $opt_f , '-format' => 'fasta');
my $out = Bio::SeqIO->new(-file => ">$out_file" , '-format' => 'EMBL');
 
while ( my $seq = $in->next_seq() ) {
	$out->write_seq($seq);
}
 
 
sub help
{
	print qq{
fasta_to_embl.pl prend en parametre un fichier au format fasta et le convertit au format EMBL (dans un nouveau fichier)
 
Paramètres :
	-f : fichier fasta ou multifasta a convertir
 
};
}

Le problème, c'est que le nom de mes fichiers fasta ne contient pas d'identifiant ensembl. Donc en sortie, mes séquences ne sont pas identifiées.

Par exemple, voici une sequence au format fasta en entré :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>KRT16
CCTGGATAAGGCTTTCGCTCTCTCCAGTTGGGGTATTAATAGCCTTTGGTGACCTTGAAGACCATTTTCAGTTCTGAGGGTGATGGGTCTGTGGATGGACCAGAACTCCAGGCCCAACCTGACACCTGAACACTGAGGTTTTTGTCCAAGATTCCGGGGTCCCCTTTGCCCCTTTTTGGGGTAGGGGTGAGGAGTGTCAGGTTCCCTCTCCCAGGTTTGACTCTGAAGGGATGTGCATCCGTTCTGCTCTTACCTCTGGGATGAATGACCAGGGGAGATGTAGCAGTGACAAAACCCTGGTTCTGCTGAGACAAGGAATTGCCTGCCCCAGTGGAGCTCAGGCAGAAGCAGGCTGTCTCTGGGCTCCTCACCTCAACAGAGACACTGCAGAGCAAGGCCAGTGGCCAGCACCGAGGGATGCCCCACAGCACCCTGAGGAGGCCCCGTCTTGGTGCCCAGACCCCTCCATCCTCCCTCCAGTCCTCGGTGCTGGACCAGGCTCTCAGGCCAAGGCCATGCCCACCATGGGCAGACCTCCTGCCAGTGATCGTGGGGAGGTGGGTGAGAGTTGGGTATACTGGCCCCGCCTGCAGGCATGGTGGGAGCCTGGAGAGGGCCAGAGTTCTGGGTTCTAGTTGCAGCTCTGCAGCTTAAAGCAGAGTGACTTTGAGTGAATCTCTACGCTCACAGAACTGTATGGCACACACTGGGCTCTCCATGCATGCCTGAGTGGGCCCATAACCAGTGCTCTCCCCCAGCTCAGCTGGATGAATGGAGCTGCCAGGCCTAGCCTGGGATCTGTGGACACAGGAGAGAGAACTGCTGGGAACGGATCCCCGGCTAGTCCTGTTTCTACAGGGTAGGGGGGGACTCTGAGGCCCAGGTGGGGTCAGGGGTCATACCTGGCTGTAGTGGCAGGATGGGGCTCCCTCCCACCAGCCTGCAGGTGGGGTGCCTGTGATTAGGAGAGGGCGGTAGAGGAGTGGCAGAGCTAGGTGTGGGGCTGTGGTGTTCTTCAGCTGGGAGTGTGGGGGGCGCAGGGCCCTGCTTAGGGGTGCGGGATGGTGCCAGTGTGTAGAGGTGAGTGTGAGGAGCAGGTGGCTGGAGGGGCAGGATGGGGAGGCTGAGGGGCAGGGCTGGCCCTCGGGGAAGGGCCGGTGGGGTCCTTCGCGCATGTTTCTTTGTGGCTAGTGGTGTGTCATCCCCTTTTACAGATGAGAAAACTGAGGACCAAGGGGCTATAGGACCAGCCTGTGCTGTACAGTTGGTAAGGGCAGAGCAGGGACTCAGTGCCGCCTGTCTAGCTCCATGGCCAGTGCTGTTTGTATGGTGCACACACTTCTGGAGATCCCGGGGGCTCAAGGCAGCCTCTGGAACTGGAATTAGATCCAAGAGGGGAAAGAGAGTTATAGGATTTTTAGAACAGAAGGGACTCTGCAGTCACCCAGTCCAGCCTGGTCACTGAGGGGAAACAGGCCCAGAGGTGGGAGGTGGGGAGCCTCAGGCCACACAGCAAGCAGAGTGAAGACAGGAACTCTGCCCCTGCCCAGAGTGGGACATGTGGGATCCCCACAACTGCTCCCCAAGACAGCCCAGGATGGCATCACTGAGCTCTCTTTCAGCCAAGGCTGTCACTGTGGGGCAGGGAGTTCTTCTGAAGGGCTGACTCACTGCCTGGGGACGCAGTTGCCACAAAGCCACCTGTGCCAAGGCCCGACTGGCCCCGAGGGCTCCAGGAAAGGGAGCCTGATTCCCCACCGCCTAGCCTGAGTCACCACCGAACTCGCATTTCTGTGTTTTTCTCTCGGCCCCACACCCCCAAAGCTGGGTGGGAACTCTGAGCCGGCACACAGCAGAGTTGATCCTGGGCTGAATAATCCAGAGTGAGGAGTTGGACGGGACCGGGAGTGATGAAATCCAGAGGGGAACCTGGAGTCAGCAGTTAGGAGGGCCCCGCCTTCCCCAGCTGCATATAAAGGTCTCTGGGGTTGGAGGCAGCCA

et voilà le résultat en sortie :

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
ID   unknown; SV 1; linear; unassigned DNA; STD; UNC; 2001 BP.
XX
AC   unknown;
XX
XX
FH   Key             Location/Qualifiers
FH
XX
SQ   Sequence 2001 BP; 405 A; 517 C; 670 G; 409 T; 0 other;
     cctggataag gctttcgctc tctccagttg gggtattaat agcctttggt gaccttgaag        60
     accattttca gttctgaggg tgatgggtct gtggatggac cagaactcca ggcccaacct       120
     gacacctgaa cactgaggtt tttgtccaag attccggggt cccctttgcc cctttttggg       180
     gtaggggtga ggagtgtcag gttccctctc ccaggtttga ctctgaaggg atgtgcatcc       240
     gttctgctct tacctctggg atgaatgacc aggggagatg tagcagtgac aaaaccctgg       300
     ttctgctgag acaaggaatt gcctgcccca gtggagctca ggcagaagca ggctgtctct       360
     gggctcctca cctcaacaga gacactgcag agcaaggcca gtggccagca ccgagggatg       420
     ccccacagca ccctgaggag gccccgtctt ggtgcccaga cccctccatc ctccctccag       480
     tcctcggtgc tggaccaggc tctcaggcca aggccatgcc caccatgggc agacctcctg       540
     ccagtgatcg tggggaggtg ggtgagagtt gggtatactg gccccgcctg caggcatggt       600
     gggagcctgg agagggccag agttctgggt tctagttgca gctctgcagc ttaaagcaga       660
     gtgactttga gtgaatctct acgctcacag aactgtatgg cacacactgg gctctccatg       720
     catgcctgag tgggcccata accagtgctc tcccccagct cagctggatg aatggagctg       780
     ccaggcctag cctgggatct gtggacacag gagagagaac tgctgggaac ggatccccgg       840
     ctagtcctgt ttctacaggg taggggggga ctctgaggcc caggtggggt caggggtcat       900
     acctggctgt agtggcagga tggggctccc tcccaccagc ctgcaggtgg ggtgcctgtg       960
     attaggagag ggcggtagag gagtggcaga gctaggtgtg gggctgtggt gttcttcagc      1020
     tgggagtgtg gggggcgcag ggccctgctt aggggtgcgg gatggtgcca gtgtgtagag      1080
     gtgagtgtga ggagcaggtg gctggagggg caggatgggg aggctgaggg gcagggctgg      1140
     ccctcgggga agggccggtg gggtccttcg cgcatgtttc tttgtggcta gtggtgtgtc      1200
     atcccctttt acagatgaga aaactgagga ccaaggggct ataggaccag cctgtgctgt      1260
     acagttggta agggcagagc agggactcag tgccgcctgt ctagctccat ggccagtgct      1320
     gtttgtatgg tgcacacact tctggagatc ccgggggctc aaggcagcct ctggaactgg      1380
     aattagatcc aagaggggaa agagagttat aggattttta gaacagaagg gactctgcag      1440
     tcacccagtc cagcctggtc actgagggga aacaggccca gaggtgggag gtggggagcc      1500
     tcaggccaca cagcaagcag agtgaagaca ggaactctgc ccctgcccag agtgggacat      1560
     gtgggatccc cacaactgct ccccaagaca gcccaggatg gcatcactga gctctctttc      1620
     agccaaggct gtcactgtgg ggcagggagt tcttctgaag ggctgactca ctgcctgggg      1680
     acgcagttgc cacaaagcca cctgtgccaa ggcccgactg gccccgaggg ctccaggaaa      1740
     gggagcctga ttccccaccg cctagcctga gtcaccaccg aactcgcatt tctgtgtttt      1800
     tctctcggcc ccacaccccc aaagctgggt gggaactctg agccggcaca cagcagagtt      1860
     gatcctgggc tgaataatcc agagtgagga gttggacggg accgggagtg atgaaatcca      1920
     gaggggaacc tggagtcagc agttaggagg gccccgcctt ccccagctgc atataaaggt      1980
     ctctggggtt ggaggcagcc a                                                2001
//

au niveau de la séquence, c'est tout à fait ce que je veux, mais pour identifiant et AC, il met unknown.

Ce que j'aimerais, c'est que le nom de ma sequence apparaisse, sinon en identifiant, au moins dans une ligne de description (DE au format ensembl).

Je n'ai pas trouvé de fonction permettant d'éditer / d'ajouter une ligne dans le module Bio::SeqIO.

Je vois bien la solution de parser le fichier de résultats et d'ajouter la ligne qui convient en faisant gaffe à l'ordre des séquences, mais je me demandais s'il n'y avait pas une méthode plus propre pour le faire...

Merci d'avance pour vos conseils (en espérant que tout le monde n'est pas partie en vacances

)

**Jasmine80** · 30/07/2009, 11h38

Bio::SeqIO manipule des objets BIO::Seq, il faut regarder de ce côté là pour voir comment ajouter les données que tu veux.

**zaboug** · 30/07/2009, 11h48

Merci, c'est bête mais j'avais pas pensé à aller voir par là

Du coup, avec la fonction display_id() de l'objet $seq j'arrive à récupérer le nom de mes séquences fasta.

Maintenant, il faut que j'arrive à le réinjecter dans l'objet embl

petit à petit, on avance vers la solution

**Jasmine80** · 30/07/2009, 11h50

Envoyé par zaboug

Merci, c'est bête mais j'avais pas pensé à aller voir par là

Du coup, avec la fonction display_id() de l'objet $seq j'arrive à récupérer le nom de mes séquences fasta.

Maintenant, il faut que j'arrive à le réinjecter dans l'objet embl

petit à petit, on avance vers la solution

Oui, c'est également ce que j'était entrain de regarder.
Voici la structure de ton fichier de sortie :
ID, qui devrait être le display_id est mis automatiquement à unknow.

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
$VAR1 = bless( {
                 '_molecule' => 'unassigned DNA',
                 '_dates' => [],
                 '_division' => 'UNC',
                 '_secondary_accession' => [],
                 'primary_seq' => bless( {
                                           'display_id' => 'unknown',
                                           'accession_number' => 'unknown',
                                           '_seq_length' => undef,
                                           '_root_verbose' => 0,
                                           'seq' => 'CCTGGATAAGGCTTTCGCTCTCTCCAGTTGGGGTATTAATAGCCTTTGGTGACCTTGAAGACCATTTTCAGTTCTGAGGGTGATGGGTCTGTGGATGGACCAGAACTCCAGGCCCAACCTGACACCTGAACACTGAGGTTTTTGTCCAAGATTCCGGGGTCCCCTTTGCCCCTTTTTGGGGTAGGGGTGAGGAGTGTCAGGTTCCCTCTCCCAGGTTTGACTCTGAAGGGATGTGCATCCGTTCTGCTCTTACCTCTGGGATGAATGACCAGGGGAGATGTAGCAGTGACAAAACCCTGGTTCTGCTGAGACAAGGAATTGCCTGCCCCAGTGGAGCTCAGGCAGAAGCAGGCTGTCTCTGGGCTCCTCACCTCAACAGAGACACTGCAGAGCAAGGCCAGTGGCCAGCACCGAGGGATGCCCCACAGCACCCTGAGGAGGCCCCGTCTTGGTGCCCAGACCCCTCCATCCTCCCTCCAGTCCTCGGTGCTGGACCAGGCTCTCAGGCCAAGGCCATGCCCACCATGGGCAGACCTCCTGCCAGTGATCGTGGGGAGGTGGGTGAGAGTTGGGTATACTGGCCCCGCCTGCAGGCATGGTGGGAGCCTGGAGAGGGCCAGAGTTCTGGGTTCTAGTTGCAGCTCTGCAGCTTAAAGCAGAGTGACTTTGAGTGAATCTCTACGCTCACAGAACTGTATGGCACACACTGGGCTCTCCATGCATGCCTGAGTGGGCCCATAACCAGTGCTCTCCCCCAGCTCAGCTGGATGAATGGAGCTGCCAGGCCTAGCCTGGGATCTGTGGACACAGGAGAGAGAACTGCTGGGAACGGATCCCCGGCTAGTCCTGTTTCTACAGGGTAGGGGGGGACTCTGAGGCCCAGGTGGGGTCAGGGGTCATACCTGGCTGTAGTGGCAGGATGGGGCTCCCTCCCACCAGCCTGCAGGTGGGGTGCCTGTGATTAGGAGAGGGCGGTAGAGGAGTGGCAGAGCTAGGTGTGGGGCTGTGGTGTTCTTCAGCTGGGAGTGTGGGGGGCGCAGGGCCCTGCTTAGGGGTGCGGGATGGTGCCAGTGTGTAGAGGTGAGTGTGAGGAGCAGGTGGCTGGAGGGGCAGGATGGGGAGGCTGAGGGGCAGGGCTGGCCCTCGGGGAAGGGCCGGTGGGGTCCTTCGCGCATGTTTCTTTGTGGCTAGTGGTGTGTCATCCCCTTTTACAGATGAGAAAACTGAGGACCAAGGGGCTATAGGACCAGCCTGTGCTGTACAGTTGGTAAGGGCAGAGCAGGGACTCAGTGCCGCCTGTCTAGCTCCATGGCCAGTGCTGTTTGTATGGTGCACACACTTCTGGAGATCCCGGGGGCTCAAGGCAGCCTCTGGAACTGGAATTAGATCCAAGAGGGGAAAGAGAGTTATAGGATTTTTAGAACAGAAGGGACTCTGCAGTCACCCAGTCCAGCCTGGTCACTGAGGGGAAACAGGCCCAGAGGTGGGAGGTGGGGAGCCTCAGGCCACACAGCAAGCAGAGTGAAGACAGGAACTCTGCCCCTGCCCAGAGTGGGACATGTGGGATCCCCACAACTGCTCCCCAAGACAGCCCAGGATGGCATCACTGAGCTCTCTTTCAGCCAAGGCTGTCACTGTGGGGCAGGGAGTTCTTCTGAAGGGCTGACTCACTGCCTGGGGACGCAGTTGCCACAAAGCCACCTGTGCCAAGGCCCGACTGGCCCCGAGGGCTCCAGGAAAGGGAGCCTGATTCCCCACCGCCTAGCCTGAGTCACCACCGAACTCGCATTTCTGTGTTTTTCTCTCGGCCCCACACCCCCAAAGCTGGGTGGGAACTCTGAGCCGGCACACAGCAGAGTTGATCCTGGGCTGAATAATCCAGAGTGAGGAGTTGGACGGGACCGGGAGTGATGAAATCCAGAGGGGAACCTGGAGTCAGCAGTTAGGAGGGCCCCGCCTTCCCCAGCTGCATATAAAGGTCTCTGGGGTTGGAGGCAGCCA',
                                           '_version' => '1',
                                           'alphabet' => 'dna'
                                         }, 'Bio::PrimarySeq' ),
                 '_seq_version' => '1',
                 '_root_verbose' => 0,
                 '_annotation' => bless( {
                                           '_typemap' => bless( {
                                                                  '_type' => {
                                                                               'comment' => 'Bio::Annotation::Comment',
                                                                               'reference' => 'Bio::Annotation::Reference',
                                                                               'dblink' => 'Bio::Annotation::DBLink'
                                                                             }
                                                                }, 'Bio::Annotation::TypeManager' ),
                                           '_annotation' => {}
                                         }, 'Bio::Annotation::Collection' )
               }, 'Bio::Seq::RichSeq' );

**zaboug** · 30/07/2009, 11h56

Bon, j'arrive à ajouter mon identifiant fasta dans une ligne de description EMBL :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
while ( my $seq = $in->next_seq() ) {
	my $id = $seq->display_id();
	$seq->desc($id);
	$out->write_seq($seq);
}

ça le fera apparaitre en sortie du programme que je ferais tourner sur les fichier EMBL, mais en seconde position, et non en première, ce qui rendra la lecture finale moins facile...

Du coup, je cherche toujours un moyen de mettre mon identifiant dans la ligne ID

**Jasmine80** · 30/07/2009, 12h03

Bio::SeqIO::embl - EMBL sequence input/output stream

_id_generation_func()

This is function which is called as

print "ID ", $func($annseq), "\n";

To generate the ID line. If it is not there, it generates a sensible ID line using a number of tools.

If you want to output annotations in EMBL format they need to be stored in a Bio::Annotation::Collection object which is accessible through the Bio::SeqI interface method annotation().

The following are the names of the keys which are polled from a Bio::Annotation::Collection object.
reference - Should contain Bio::Annotation::Reference objects
comment - Should contain Bio::Annotation::Comment objects
dblink - Should contain Bio::Annotation:

BLink objects

**zaboug** · 30/07/2009, 12h13

merci pour le lien, ça à l'air puissant, mais j'ai du mal à comprendre comment l'utiliser...

Enfin bon, je continue de chercher quand même, je vais bien finir par comprendre comment ça marche

**Jasmine80** · 30/07/2009, 12h16

Envoyé par zaboug

merci pour le lien, ça à l'air puissant, mais j'ai du mal à comprendre comment l'utiliser...

Enfin bon, je continue de chercher quand même, je vais bien finir par comprendre comment ça marche

Moi non plus, je ne sais pas comment cela fonctionne, je n'utilise jamais le format EMBL. En essayant de comprendre à deux, on trouvera peut-être la solution.

**zaboug** · 30/07/2009, 12h25

je viens de comprendre pourquoi je comprenais pas

Si j'ai bien compris, la fonction _id_generation_func() fait partie de l'interface Bio::SeqIO, mais elle n'est pas implémenté :

en essayant le code (à tout hasard

)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
while ( my $seq = $in->next_seq() ) {
	my $id = $seq->display_id();
	$seq->desc($id);
 
	my $sequence_as_string = $seq->seq();
 
	my $seqout = Bio::Seq->new( -display_id => $id,
                             -seq => $sequence_as_string,
                             '-format' => 'EMBL');
 
	$seqout -> _id_generation_func($id);
 
	$outIO->write_seq($seqout);
	print $seqout->display_id()."\n";
}

j'ai obtenu l'erreur suivante:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
mathilde@cgmc134:~/Dossier_partage_VM/distances_edition/bin$ perl fasta_to_embl.pl -f ../resultats/jeu_test_c-jun_human.fa 
Can't locate object method "_id_generation_func" via package "Bio::Seq" at
	fasta_to_embl.pl line 44, <GEN0> line 1 (#1)
    (F) You called a method correctly, and it correctly indicated a package
    functioning as a class, but that package doesn't define that particular
    method, nor does any of its base classes.  See perlobj.
 
Uncaught exception from user code:
	Can't locate object method "_id_generation_func" via package "Bio::Seq" at fasta_to_embl.pl line 44, <GEN0> line 1.
 at fasta_to_embl.pl line 44

du coup, il faudrait créer une classe héritant de bio::seqIO et implémenter la méthode _id_generation_func(). Mais j'ai jamais fait de POO en perl (et j'en ai pas fait des masses dans d'autres langages non plus). Du coup, ça me semble bien compliqué pour si peu.
Il doit y avoir un moyen plus simple, non?

**Jasmine80** · 30/07/2009, 12h30

Si tu regardes bien la structure de l'objet EMBL créé (un des messages précédents), c'est bien un Bio::Annotation::Collection ... le tout est de réussir à modifier ses données ... faut simplement trouver la formule magique.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
                 '_annotation' => bless( {
                                           '_typemap' => bless( {
                                                                  '_type' => {
                                                                               'comment' => 'Bio::Annotation::Comment',
                                                                               'reference' => 'Bio::Annotation::Reference',
                                                                               'dblink' => 'Bio::Annotation::DBLink'
                                                                             }
                                                                }, 'Bio::Annotation::TypeManager' ),
                                           '_annotation' => {}
                                         }, 'Bio::Annotation::Collection' )

**Jasmine80** · 30/07/2009, 12h35

Je pense qu'il faut faire quelque chose de ce genre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
while ( my $seq = $in->next_seq() ) {
 
	my $ac = $seq->annotation();
	$ac->add_Annotation('ID',$seq->primary_id);
 
	$out->write_seq($seq);
}

sauf que pour $seq->primary_id, c'est un objet qui est attendu.

**Jasmine80** · 30/07/2009, 13h52

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
my $infile = "test.txt";
my $outfile = "test.EMBL";
 
my $in  = Bio::SeqIO->new(-file => $infile , '-format' => 'fasta');
my $out = Bio::SeqIO->new(-file => ">$outfile" , '-format' => 'EMBL');
 
 
while ( my $seq = $in->next_seq() ) {
 
	my $ac = $seq->annotation();
	my $dblink = Bio::Annotation::DBLink->new(-database =>"GenBank",
                                                  -primary_id => $seq->primary_id);
 
	$ac->add_Annotation('dblink',$dblink);
 
 
	$out->write_seq($seq);
}

permet de modifier la ligne DR du fichier de sortie et d'y écrire l'ID

ID unknown; SV 1; linear; unassigned DNA; STD; UNC; 2001 BP.
XX
AC unknown;
XX
XX
DR GenBank; KRT16.
XX
FH Key Location/Qualifiers
FH
XX

**zaboug** · 30/07/2009, 14h26

En fait, j'arrive déjà à ajouter une ligne DE contenant l'identifiant. ça me suffira si on n'arrive pas à modifier la ligne ID.

Mais je vais continuer de chercher à partir de tes propositions pour tenter de remplir la ligne d'identification...

**zaboug** · 30/07/2009, 14h53

je me suis repenchée sur tes précédents posts, et y'a un truc que je comprends pas : comment obtiens tu la structure du fichier de sortie?
En faisant un Dumper sur l'objet $out, j'obtiens ça:

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
out2 : $VAR1 = bless( {
                 '_seqio_seqfactory' => bless( {
                                                 'type' => 'Bio::Seq::RichSeq',
                                                 '_root_verbose' => 0
                                               }, 'Bio::Seq::SeqFactory' ),
                 '_show_dna' => 1,
                 '_func_ftunit_hash' => {},
                 '_file' => '>../Tmp/test_fasta_to_embl.embl',
                 '_root_cleanup_methods' => [
                                              sub { "DUMMY" }
                                            ],
                 '_flush_on_write' => 1,
                 '_filehandle' => \*Symbol::GEN1,
                 '_root_verbose' => 0,
                 '_object_builder' => bless( {
                                               'want_all' => 1,
                                               'object_conds' => [],
                                               'wanted_slots' => [],
                                               'sequence_factory' => $VAR1->{'_seqio_seqfactory'},
                                               'unwanted_slots' => [],
                                               '_root_verbose' => 0,
                                               '_objhash' => {}
                                             }, 'Bio::Seq::SeqBuilder' ),
                 '_seqio_locfactory' => bless( {
                                                 '_root_verbose' => 0
                                               }, 'Bio::Factory::FTLocationFactory' )
               }, 'Bio::SeqIO::embl' );

Ce qui n'est pas la même chose que ce que tu m'as montré... on ne retrouve pas ici les champs qu'il y a dans l'objet $out, je comprends pas très bien

c'est fou que ça soit si compliqué (ou en tout cas si peu intuitif) de modifier la ligne d'identification d'un objet seqIO ensembl !!
ça donne pas envie de travailler avec ! (moi j'ai pas le choix dans ce cas là, mais bon...)

**Jasmine80** · 30/07/2009, 15h14

Envoyé par zaboug

je me suis repenchée sur tes précédents posts, et y'a un truc que je comprends pas : comment obtiens tu la structure du fichier de sortie?
En faisant un Dumper sur l'objet $out, j'obtiens ça: ...

Je n'ai pas fait un Dumper sur l'objet $out mais j'ai ouvert le fichier de sortie via un second programme pour essayer de comprendre où placer l'identifiant.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
use Bio::SeqIO;
use Data::Dumper;
 
 
my $infile = "test.EMBL"; # fichier de sortie précédent
 
my $in  = Bio::SeqIO->new(-file => $infile , '-format' => 'EMBL');
 
while ( my $seq = $in->next_seq() ) {
	print Dumper $seq;
}

**zaboug** · 30/07/2009, 15h27

ah ok, je comprends mieux

j'ai beau tourner et retourner le problèlme dans tous les sens, je ne vois pas de solution

Et je me suis rendue compte qu'en fait avoir l'identifiant dans DE ne me permettait pas de faire tout ce que je veux. du coup, il faut absolument que je trouve un moyen de supprimer ce "unknown" et de mettre mon id à la place

Je sens que je vais me tourner vers la solution pas terrible de parser le fichier final, et de remplacer l'id après coup...

**Jasmine80** · 30/07/2009, 15h30

Envoyé par zaboug

Je sens que je vais me tourner vers la solution pas terrible de parser le fichier final, et de remplacer l'id après coup...

=>

**zaboug** · 30/07/2009, 15h59

Envoyé par Jasmine80

=>

et oui, c'est pas l'idéal, mais je pars en vacances demain (

) et je veux finir ça avant de partir...

du coup, voilà la solution pas optimale mais qui donne un fichier de la forme qui me convient :

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
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
#!/usr/bin/perl -w
 
##packages utilises
use strict;
use diagnostics;
use Data::Dumper;
use Bio::SeqIO;
 
#pour la récupération des arguments
use vars qw($opt_h $opt_f);
use Getopt::Std;
 
##recuperation des arguments - initialisation
getopts("hf:") or die("erreur(s) de saisie dans les options. Faire -h pour obtenir l'aide\n");
if (defined($opt_h))
{
	&help;
	exit;
}
elsif(!defined($opt_f))
{
	die("Parametre manquant : -f doit etre definit. Faire -h pour obtenir de l'aide.\n");
}
 
my ($tmp_file, $out_file);
 
if($opt_f =~ m/(.+)\.(fa|fasta)/)
{
	$out_file = "$1.embl";
}
 
$tmp_file = "tmp_no_id.embl";
 
my $in  = Bio::SeqIO->new(-file => $opt_f , '-format' => 'fasta');
my $out = Bio::SeqIO->new(-file => ">$tmp_file" , '-format' => 'EMBL');
 
 
while ( my $seq = $in->next_seq() ) {
	my $id = $seq->display_id();
	$seq->desc($id);
 
	#print Dumper $seq;
 
	$out->write_seq($seq);
}
 
my %stock_id_unknown = ();
open(TMP, "<", $tmp_file) or die("Impossible d'ouvrir $tmp_file\n");
open(EMBL, '>', $out_file) or die("Impossible d'ouvrir $out_file\n");
 
my $cpt_seq = 0;
while(my $line = <TMP>)
{
	if($line =~ m/ID   unknown(.+)/)
	{
		$cpt_seq ++;
		$stock_id_unknown{$cpt_seq} = $1;
	}
	elsif($line =~ m/DE   (.+)/)
	{
		my $id = $1.$stock_id_unknown{$cpt_seq};
		print(EMBL "ID   $id\nXX\n");
	}
	elsif($line =~ m/SQ/ || $line =~ m/^\s+[\sactg\d]+/i || $line =~ m/\/\//)
	{
		print(EMBL $line);
	}
}
 
close(EMBL);
close(TMP);
 
# my $infile = $out_file; # fichier de sortie précédent
#  
# $in  = Bio::SeqIO->new(-file => $infile , '-format' => 'EMBL');
#  
# while ( my $seq = $in->next_seq() ) {
# 	print Dumper $seq;
# }
 
sub help
{
	print qq{
fasta_to_embl.pl prend en parametre un fichier au format fasta et le convertit au format EMBL (dans un nouveau fichier)
 
Paramètres :
	-f : fichier fasta ou multifasta a convertir
 
};
}

je laisse le sujet non résolu quelques temps, au cas où quelqu'un connaitrait ou trouverait une manière de faire plus propre (ou même moi si j'ai le temps de me repencher dessus avant de partir

)

j'aime pas faire les choses comme ça, ça donne un goût de travail baclé, mais là faut vraiment que j'avance

en tous cas, encore merci à toi jasmine, ta patience et tes compétences me rendent régulièrement service