Perl 使用序列ID提取FASTA序列

我有两个文件： 文件1：

文件2：仅序列ID

84C2_Locus_14_Transcript_1/3_Confidence_0.571_Length_1244
84C2_Locus_14_Transcript_2/3_Confidence_0.857_Length_1961
84C2_Locus_14_Transcript_3/3_Confidence_0.571_Length_1248
84C2_Locus_15_Transcript_1/9_Confidence_0.190_Length_757

……太多了

我的输出文件应该包含与头关联的序列。i、 e.将序列id文件头部分与原始fasta序列文件相匹配，并且这些序列头与另一个输出文件中的fasta序列头存储相匹配，该文件包含带有序列的头。如下所示：

>84C2_Locus_15_Transcript_5/9_Confidence_0.333_Length_1841
ATTTGCTCGGAAAAACACTTCTCGTGGAACTTGTTAGCGCTGAGCTTGATCCCAAGACGA......so on

原始输出文件应如下所示：

>84C2_Locus_15_Transcript_5/9_Confidence_0.333_Length_1841
ATTTGCTCGGAAAAACACTTCTCGTGGAACTTGTTAGCGCTGAGCTTGATCCCAAGACGA......so on

---

请用perl向我推荐适合我问题的方法。

编辑：新代码，我第一次不理解你的问题。该脚本读取这两个文件，将所有ID存储在哈希中，然后遍历第一个文件中的所有序列。只有ID位于第二个文件中的序列才会写入输出文件。请注意，输出像第一个文件中的分隔符一样使用

写入，而不像第二个文件中的id那样使用

写入。第一个文件开头缺少的

也被正确复制

#!/usr/bin/perl -w

use strict;

# Check command line arguments
unless ($#ARGV == 1 && -e $ARGV[0] && -e $ARGV[1]) {
        print STDERR "Usage: split-fasta.pl DATA IDS\n";
        exit 1;
}

my (%ids, $id);

# Read sequence IDs
open(IDS, "<$ARGV[1]") or die "Can't open IDs file: $1";

while (<IDS>) {
        $ids{$_} = 1;
}

close(IDS);


# Read sequence data and write results to output.fasta
open(DATA,    "<$ARGV[0]") or die "Can't open sequences file: $1";
open(OUTFILE, ">>output.fasta") or die "Can't open output file: $1";

while (<DATA>) {
        my $line = $_;


        if ($line =~ /^>?(\w+\|.+\n)/) {
                $id = $1;
                $id =~ tr/|/_/;
        }

        print OUTFILE $line if defined $ids{$id};
}

close(DATA);
close(OUTFILE);

#/usr/bin/perl-w
严格使用；
#检查命令行参数
除非（$#ARGV==1&&&e$ARGV[0]&&e$ARGV[1]）{
打印STDERR“用法：split-fasta.pl数据标识\n”；
出口1；
}
我的（%id，$id）；
#读取序列ID
打开（IDS，“>output.fasta”）或死“无法打开输出文件：$1”；
而（）{
我的$line=$\ux；
如果（$line=~/^>？（\w+\\\.+\n）/）{
$id=$1；
$id=~tr/|/|；
}
如果定义了$id{$id}，则打印输出文件$line；
}
关闭（数据）；
关闭（输出文件）；

那么，您基本上想要将文件1拆分为多个文件，每个文件只包含一个序列？也许这段难看的Perl（可能关闭每个文件句柄，而不仅仅是最后一个…）将帮助您解决问题

#!/usr/bin/perl -w

use strict;

while (<>) {
        my $line = $_;

        if ($line =~ />?([0-9]+|\w+)\//) {
                my $file_name = $1;
                open(OUTFILE, ">>$file_name");
        }

        print OUTFILE $line;
}

close(OUTFILE);

#/usr/bin/perl-w
严格使用；
而（）{
我的$line=$\ux；
如果（$line=~/>？（[0-9]+|\w+\/）{
我的$file\u name=$1；
打开（输出文件“>>$file_name”）；
}
打印输出文件$行；
}
关闭（输出文件）；

---

编辑：如果您想输入第二个文件中的ID，只需添加另一个与第一个文件中的标题匹配的

if

。只要两个文件的顺序相同，这应该可以工作，因为输入在写入时会立即被丢弃，并且无法再进行搜索。

欢迎使用堆栈溢出！这个问题缺乏信息。你能提供你的代码吗？到目前为止，您做了哪些尝试，遇到了哪些问题？另外，你能把你发布的文件的内容减少到与问题相关的部分吗？输出文件，我只得到序列的标题部分，而不是我的文件1中的序列和标题。谢谢，实际上我希望在我的输出文件中有与序列相关的fuul标题部分。根据序列id文件，它检查序列头部分，并给出与完整序列关联的输出文件头。您所需的输出看起来与第一个输入文件相同。我错过了什么？完全正确。最终的输出文件包含根据我的序列id文件实际匹配头模式的序列。谢谢。我的要求是生成一个单独的输出文件，其中包含序列以及与序列id文件（即文件2）的头匹配的头部分。谢谢，我认为此代码对我有帮助。很高兴我能提供帮助。哦，你能点击“接受”来获得我的答案吗？谢谢。根据你的建议，我正在写你的代码，只是稍微修改一下。但是输出文件只显示头部分，而不显示序列。请检查我的代码并告诉我哪里错了/usr/bin/perl-w使用strict；my$list=$ARGV[0]| |“accessionids.txt”；my$data=$ARGV[1]||“fasta.txt”；my$outs=$ARGV[2]| |‘SQ.fas’；我的（%id，$id）；打开（列表，$LIST）或死亡“无法打开文件$LIST:$！\n”；while（）{$ids{$}=1；}关闭列表；打开（在$data中）或死亡“无法打开文件$data:$！\n”；；而（）{my$line=$\uuu；if（$line=~/^>？（\w+\\\\\\.+\n）/）{$id=$1；$id=~tr/|//}关闭；打开（OUT，“>$outs”）或死亡“无法创建文件$outs:$！\n”；foreach my$id（@list）{打印出“>$id\n”}结束；