Regex fasta文件中的模式计数器

我正在尝试获取fasta文件中匹配模式的计数。我从一个包含57k序列的fasta文件开始。我想提取匹配模式序列的计数，并显示模式的起始位置

输入文件：

chr1 ATTAG**CAGAT**GTGACGTCGATGT**CAGAT**TG

chr2 TGAGCTG**CAGAT**CGTAGATGATTCTGCAGGAACCT

chr3 TCTTT**CAGAT**GCCTCTG**CAGAT**TC

搜索模式CAGAT

所需输出：

chr计数p1p2

chr1-2-6-25

chr2-1-8

chr3-2-6-19

---

提前感谢

我假设您的文件以制表符分隔

   open(my $in,"<:utf8","in.txt") or die "Cannot open FILE in.txt : $!\n";

    while(<$in>) {
        chomp($_);
        my $cur = $_;
        #$print "iam $cur\n";
        my @tt = split(/\t/,$cur);  #assuming you file tobe tab seperated
        my $s1 = $tt[1];
        my $s2 = "CAGAT";
        my @val;
        print "$cur\t";
        while ($s1 =~ /($s2)/g) {
            push(@val,  $-[0]); #$-[0] is the offset of the start of the last successful match.
        }
        my $count = @val;
        @val = join(",",@val);
        print " No of Matches:$count Starting positions:@val\n";

    }

---

你试过什么。？你正在讲述基因组序列，如果你把整个序列解析成一个单一的变量，它就会耗尽内存。你应该逐行解析文件。感谢你的回复，我不想解析序列，我只想知道每个染色体中存在的匹配模式的数量。请显示实际输入或链接NCBI URL。我不明白chr1-2-6-25这个输出。我正在搜索每个染色体上的模式，在染色体1上我得到了我的模式的2个命中位置，这些命中位置是第6位和第25位，就像在线粒体2中，我在第8位得到了我的模式的1个命中位置，我理解计数，但P1和P2在你的输出中到底是什么？

chr1    ATTAG**CAGAT**GTGACGTCGATGT**CAGAT**TG

chr2    TGAGCTG**CAGAT**CGTAGATGATTCTGCAGGAACCT

chr3    TCTTT**CAGAT**GCCTCTG**CAGAT**TC