Regex perl使用正则表达式检查有效的DNA序列

我想写一个子程序，它将一个FASTA文件作为参数，并打印出序列（不带头）。 子程序应检查序列是否包含除DNA碱基（A、T、G、C）以外的任何其他字母

这是我的密码：

scalar_sequence ("sequence.fa");

sub scalar_sequence {
    my $file = $_[0];
    my $sequence;
    open (READ, $file) || die "Cannot open $file: $!.\n";
    while (<READ>){
        if (/^>/){
            next;
        } 
        if (/^[ATCG]/){
            $sequence .= $_;
        } else {
            die "invalid sequence\n";
        }
    }
    print $sequence, "\n";
}

scalar_序列（“sequence.fa”）；
亚标量序列{
我的$file=$\u0]；
我的$sequence；
打开（读取$file）| | die“无法打开$file:$！。\n”；
而（）{
如果（/^>/）{
下一个
} 
如果（/^[ATCG]/）{
$sequence.=$\uux；
}否则{
“无效序列\n”；
}
}
打印$sequence，“\n”；
}

当我运行这段代码时，我得到“无效序列”作为输出。 当我省略“else”时，即使序列包含另一个字母，它也会打印出序列

有什么问题吗

---

提前谢谢

问题在这里

/^[ATCG]/

这一行应该是

/^[ATCG]+$/

你的代码应该是

chomp;  
next if (/^>/); # skip for header
next if(/^\s*$/);  #skip for empty line
if (/^[ATCG]+$/){
        $sequence .= $_;
    } else {
        die "invalid sequence\n";
    }

---

你只考虑开始A或T或G或C.的开头，你应该扩展匹配。

<代码> ^ <代码>应该在<代码> []>代码>：<代码>如果（/[ATCG]/< < /代码>好，现在它打印序列而不是错误消息，但是：即使包含无效的字母，它也会打印序列。因此不起作用：/Be advice:bioperl的

seqIO

比在本机perl中读取fasta文件快约10倍。如果你处理的是高等生物（大基因组），这可能是一个巨大的恩惠。也不起作用，打印出“无效序列”，即使序列是无效的valid@ic23oluk因为新线。在脚本中添加

chomp

。@ic23oluk在每个fasta文件中的最后一行是新行。请从您的

状态中移除模具。然后打印
$sequence
。这并不是我想要的：如果我省略'die'，它会打印序列，即使序列中包含无效字母，但没有这些无效字母所在的行。我想写一个算法，当包含一个或多个无效字母时停止，并在删除fasta文件中的最后一个换行符时返回错误消息。该算法可以按需要工作，但如何自动完成？