使用Perl哈希处理制表符分隔的文件

我有两个文件：

• 文件_1有三列（标记（）、染色体和位置）
• 文件2有三列（染色体、峰值开始和峰值结束）

除SNP列外，所有列均为数字

文件的排列如屏幕截图所示。文件1有几百个SNP作为行，而文件2有61个峰值。每个峰值由峰值开始和峰值结束标记。在任何一个文件中都可能有23条染色体中的任何一条，文件2中每个染色体都有几个峰

我想知道，对于每个匹配的染色体，文件_1中SNP的位置是否在文件_2中的峰值_开始和峰值_结束范围内。如果是这样，我想显示哪个SNP落在哪个峰值（最好将输出写入以制表符分隔的文件）

我更喜欢分割文件，并在染色体是关键的地方使用哈希。我发现只有几个问题与此稍有相似，但我无法很好地理解建议的解决方案

下面是我的代码示例。它只是为了说明我的问题，到目前为止还没有做任何事情，所以将其视为“伪代码”

#！usr/bin/perl
严格使用；
使用警告；
我的百分比峰值，%X81\u 05）；
我的@数组；
#打开文件或死亡
除非（打开（第一个样本，“X81\u 05.txt”））{
die“无法打开X81_05.txt”；
}
#将以制表符分隔的文件拆分为各个字段
而（）{
大口大口；
下一个if（m/chromose/）；#跳过标题
@数组=拆分（“\t”，元）；
（$chr1，$pos，$sample）=@array；
$X81_05{'$array[0]}=(
'位置'=>'$array[1]'
)
}
关闭（第一个样本）；
#使用文件句柄打开文件
除非（打开（PEAKS，“PEAKS.txt”））{
die“无法打开peaks.txt”；
}
我的（$chr、$peak\U start、$peak\U end）；
而（）{
大口大口；
下一个if（m/chromose/）；#跳过标题
（$chr，$peak\U start，$peak\U end）=拆分（/\t/）；
$peaks{$chr}{'peak_start'}=$peak_start；
$peaks{$chr}{'peak_end'}=$peak_end；
}
接近（峰值）；
对于我的$chr1（键%X81\u 05）{
my$val=$X81_05{$chr1}{'position'}；
对于我的$chr（键%peaks）{
my$min=$peaks{$chr}{'peak_start'}；
my$max=$peaks{$chr}{'peak_end'}；
如果（$val>$min）和（$val<$max））{
#打印$val，“，”位于“，”，$min，“，”和“，”，$max，“\n”之间；
}
否则{
#打印$val，“，”不在“，”，$min，“，”和“，”，$max，“\n”之间；
}
}
}

更棒的代码：

---

对于循环，您只需要一个

，因为您希望在第二批中找到一些SNP。因此，在
%X81\u 05
散列中循环，并检查是否有与
%peak
中的一个匹配的散列。比如：

for my $chr1 (keys %X81_05)
{
    if (defined $peaks{$chr1})
    {
        if (    $X81_05{$chr1}{'position'} > $peaks{$chr1}{'peak_start'}
             && $X81_05{$chr1}{'position'} < $peaks{$chr1}{'peak_end'})
        {
            print YOUROUTPUTFILEHANDLE $chr1 . "\t"
              . $peaks{$chr1}{'peak_start'} . "\t"
              . $peaks{$chr1}{'peak_end'};
        }
        else
        {
            print YOUROUTPUTFILEHANDLE $chr1
              . "\tDoes not fall between "
              . $peaks{$chr1}{'peak_start'} . " and "
              . $peaks{$chr1}{'peak_end'};
        }
    }
}

用于我的$chr1（键%X81\u 05）
{
if（定义为$peaks{$chr1}）
{
如果（$X81_05{$chr1}{'position'}>$peaks{$chr1}{'peak_start'}
&&$X81_05{$chr1}{'position'}<$peaks{$chr1}{'peak_end'}）
{
打印OutputFileHandle$chr1。“\t”
.$peaks{$chr1}{'peak\U start'}.\t“
.$peaks{$chr1}{'peak_end'}；
}
其他的
{
打印OutputFileHandle$chr1
.“\t不在两者之间”
.$peaks{$chr1}{'peak_start'}.”和“
.$peaks{$chr1}{'peak_end'}；
}
}
}

注意：我没有测试代码

查看您添加的屏幕截图，这是行不通的。
您只需要一个
循环，因为您希望在第二批中找到一些SNP。因此，在
%X81\u 05
散列中循环，并检查是否有与
%peak
中的一个匹配的散列。比如：

for my $chr1 (keys %X81_05)
{
    if (defined $peaks{$chr1})
    {
        if (    $X81_05{$chr1}{'position'} > $peaks{$chr1}{'peak_start'}
             && $X81_05{$chr1}{'position'} < $peaks{$chr1}{'peak_end'})
        {
            print YOUROUTPUTFILEHANDLE $chr1 . "\t"
              . $peaks{$chr1}{'peak_start'} . "\t"
              . $peaks{$chr1}{'peak_end'};
        }
        else
        {
            print YOUROUTPUTFILEHANDLE $chr1
              . "\tDoes not fall between "
              . $peaks{$chr1}{'peak_start'} . " and "
              . $peaks{$chr1}{'peak_end'};
        }
    }
}

用于我的$chr1（键%X81\u 05）
{
if（定义为$peaks{$chr1}）
{
如果（$X81_05{$chr1}{'position'}>$peaks{$chr1}{'peak_start'}
&&$X81_05{$chr1}{'position'}<$peaks{$chr1}{'peak_end'}）
{
打印OutputFileHandle$chr1。“\t”
.$peaks{$chr1}{'peak\U start'}.\t“
.$peaks{$chr1}{'peak_end'}；
}
其他的
{
打印OutputFileHandle$chr1
.“\t不在两者之间”
.$peaks{$chr1}{'peak_start'}.”和“
.$peaks{$chr1}{'peak_end'}；
}
}
}

注意：我没有测试代码

查看您添加的屏幕截图，这是行不通的。
Perl中的几个程序提示：

您可以这样做：

open (PEAKS, "peaks.txt") 
   or die "Couldn't open peaks.txt";

与此相反：

unless (open (PEAKS, "peaks.txt")) {
    die "could not open peaks.txt";
}

它是更标准的Perl，并且更易于阅读

谈到标准Perl，您应该使用3参数形式，并使用标量作为文件句柄：

open (my $peaks_fh, "<", "peaks.txt") 
   or die "Couldn't open peaks.txt";

我假设是染色体、位置和SNP。文件是怎么排的

你必须明确自己的要求

不管怎样，这里是以制表符分隔格式打印的测试版本。这是一种更现代的Perl格式。注意，我只有一个染色体散列（如您指定的）。我首先阅读了peaks.txt文件。如果我在我的position文件中发现一条染色体，而它在我的
peaks.txt
文件中并不存在，我只会忽略它。否则，我将添加POSITION和SNP的附加哈希：

我执行最后一个循环，按照您指定的方式打印所有内容（制表符分隔），但您没有指定格式。如果你必须改变它

#! /usr/bin/env perl

use strict;
use warnings;
use feature qw(say);
use autodie;        #No need to check for file open failure
use constant {
    PEAKS_FILE        => "peak.txt",
    POSITION_FILE => "X81_05.txt",
};

open ( my $peak_fh, "<", PEAKS_FILE );
my %chromosome_hash;

while ( my $line = <$peak_fh> ) {
    chomp $line;
    next if $line =~ /Chromosome/;   #Skip Header
    my ( $chromosome, $peak_start, $peak_end ) = split ( "\t", $line );
    $chromosome_hash{$chromosome}->{PEAK_START} = $peak_start;
    $chromosome_hash{$chromosome}->{PEAK_END} = $peak_end;
}
close $peak_fh;

open ( my $position_fh, "<", POSITION_FILE );

while ( my $line = <$position_fh> ) {
    chomp $line;
    my ( $chromosome, $position, $snp ) = split ( "\t", $line );
    next unless exists $chromosome_hash{$chromosome};

    if ( $position >= $chromosome_hash{$chromosome}->{PEAK_START}
            and $position <= $chromosome_hash{$chromosome}->{PEAK_END} ) {
        $chromosome_hash{$chromosome}->{SNP} = $snp;
        $chromosome_hash{$chromosome}->{POSITION} = $position;
    }
}
close $position_fh;

#
# Now Print
#

say join ("\t", qw(Chromosome, SNP, POSITION, PEAK-START, PEAK-END) );
foreach my $chromosome ( sort keys %chromosome_hash ) {
    next unless exists $chromosome_hash{$chromosome}->{SNP};
    say join ("\t",
        $chromosome,
        $chromosome_hash{$chromosome}->{SNP},
        $chromosome_hash{$chromosome}->{POSITION},
        $chromosome_hash{$chromosome}->{PEAK_START},
        $chromosome_hash{$chromosome}->{PEAK_END},
    );
}

#/usr/bin/env perl
严格使用；
使用警告；
使用特征qw（例如）；
使用自动模具#无需检查文件打开失败
使用常数{
PEAKS_FILE=>“peak.txt”，
POSITION_FILE=>“X81_05.txt”，
};
打开（my$peak_fh），Perl中的几个程序提示：

您可以这样做：

open (PEAKS, "peaks.txt") 
   or die "Couldn't open peaks.txt";

与此相反：

unless (open (PEAKS, "peaks.txt")) {
    die "could not open peaks.txt";
}

它是更标准的Perl，并且更易于阅读

谈到标准Perl，您应该使用3参数形式，并使用标量作为文件句柄：

open (my $peaks_fh, "<", "peaks.txt") 
   or die "Couldn't open peaks.txt";

我假设是染色体，位置和序列号