Perl 使用.fasta文件计算序列的相对内容

因此，我作为“noob”，最近才被介绍通过Perl编程，我仍然习惯于所有这些。我有一个.fasta文件，我必须使用它，尽管我不确定我是否能够打开它，或者说我是否必须“盲目地”使用它

总之，我的文件包含了三个基因的DNA序列，是用这个.fasta格式写的

显然是这样的：

>label
sequence
>label
sequence
>label
sequence

我的目标是写一个脚本来打开和读取这个文件，我现在已经掌握了窍门，但是我必须读取每个序列，计算每个序列中“G”和“C”的相对数量，然后我要将它写入一个以制表符分隔的文件——基因的名称，以及它们各自的“G”和“C”内容

有人能提供一些指导吗？我不确定什么是制表符分隔的文件，我仍在试图找出如何打开.fasta文件以实际查看内容。到目前为止，我使用的是.txt文件，可以轻松打开，但不能打开.fasta

---

我为听起来完全困惑而道歉。我很感激你的耐心。我可不像你们这些职业选手

我明白这很让人困惑，但你真的应该试着把你的问题限制在一个具体的问题上，明白吗

我不知道“.fasta”文件或“G”和“C”是什么。。但这可能并不重要

一般来说：

• 打开输入文件

• 读取和解析数据。如果它的格式很奇怪，您无法解析，那么可以继续寻找一个模块来读取它。如果你幸运的话，有人已经帮你完成了困难的部分

• 计算你想计算的东西

• 打印到屏幕（标准输出）或其他文件

---

“制表符分隔符”文件是一个包含列的文件（想想Excel），其中每列由制表符（“\t”）字符分隔。正如谷歌或stackoverflow搜索所告诉你的那样

这里是一种使用“awk”实用程序的方法，可以从命令行使用。通过指定其路径并使用

awk-f

#NR>1 means only look at lines above 1 because you said the sequence starts on line 2 
NR>1{
#this for-loop goes through all bases in the line and then performs operations below:
    for (i=1;i<=length;i++)
#for each position encountered, the variable "total" is increased by 1 for total bases        
       total++
    } 
    {
    for (i=1;i<=length;i++)
#if the "substring" i.e. position in a line == c or g upper or lower (some bases are
#lowercase in some fasta files), it will carry out the following instructions:
        if(substr($0,i,1)=="c" || substr($0,i,1)=="C")
#this increments the c count by one for every c or C encountered, the next if statement does
#the same thing for g and G:            
            c++; else
        if(substr($0,i,1)=="g" || substr($0,i,1)=="G")
            g++
    }
    END{
#this "END-block" prints the gene name and C, G content in percentage, separated by tabs       
        print "Gene name\tG content:\t"(100*g/total)"%\tC content:\t"(100*c/total)"%"
    }

#NR>1表示只查看1以上的行，因为您说过序列从第2行开始
NR>1{
#该for循环通过线路中的所有基座，然后执行以下操作：
对于（i=1；ifasta文件包含DNA（通常）序列。DNA序列使用4个字母A、C、T和G进行编码。在Perl中，用于处理生物数据的go-to库称为BioPerl：