1

私のプログラムには次の入力があります。

miRNA127    dvex589433  131 154 -   24  87.5    atcgtaacgtatctcccacactta    32  55  98
miRNA32 dvex320240  61  83  -   23  86.9565217391304    cttctacaatggtactgtccatt 31  53  97
miRNA32 dvex623745  141 163 -   23  86.9565217391304    ggtttcttccacaatagtaattt 26  48  97
miRNA79 dvex468096  702 733 -   32  81.25   ttggttaaaaatttttttttttaattaaaaaa    6   37  55
miRNA79 dvex468096  717 743 +   27  81.4814814814815    aaaaaatttttaaccaaagaaaaaaat 13  39  55
miRNA79 dvex468096  694 718 -   25  84  tttttttaattaaaaaacaattttt   17  41  55
miRNA79 dvex468096  696 724 +   29  75.8620689655172    aaattgttttttaattaaaaaaaaaaatt   13  41  55
miRNA79 dvex219016  1103    1130    +   28  78.5714285714286    aaatttttgctaaaaaatacaaaaattt    14  41  55
miRNA79 dvex219016  3420    3446    +   27  77.7777777777778    aaaatattattaaataaataatgcaat 13  39  55
miRNA79 dvex219016  1384    1408    +   25  80  tttcgtgaaacaaaaaagtttggaa   21  45  55
miRNA79 dvex219016  4384    4424    +   25  80  tttcgtgaaacaaaaaagtttggaa   21  45  55
miRNA154    dvex573491  297 324 +   28  78.5714285714286    cagcttgattttaagcctatctgaaagc    23  50  76
miRNA154    dvex546562  232 259 +   28  78.5714285714286    cagcttgattttaagcctatttgaaagc    23  50  76
miRNA154    dvex648254  147 172 +   26  80.7692307692308    aagcctacggagtgcgaggcagagct  47  72  76
miRNA154    dvex648254  277 303 +   26  80.7692307692308    aagcctacggagtgcgaggcagagct  47  72  76

$1、$2、および $5 の値が同じ場合は、グループ化する必要があります。したがって、ネストされたさまざまな配列でハッシュを使用することにしました。

$VAR1 = {
    'miRNA79 dvex219016 +' => [
        [ '1103', '1130', '14', '41', '55' ],
        [ '3420', '3446', '13', '39', '55' ],
        [ '1384', '1408', '21', '45', '55' ],
        [ '4384', '4424', '21', '45', '55' ]
    ],
    'miRNA79 dvex468096 +' => [
        [ '717', '743', '13', '39', '55' ],
        [ '696', '724', '13', '41', '55' ]
    ],
    'miRNA154 dvex546562 +' => [ [ '232', '259', '23', '50', '76' ] ],
    'miRNA79 dvex468096 -' => [
        [ '702', '733', '6',  '37', '55' ],
        [ '694', '718', '17', '41', '55' ]
    ],
    'miRNA154 dvex648254 +' => [
        [ '147', '172', '47', '72', '76' ],
        [ '277', '303', '47', '72', '76' ]
    ],
    'miRNA127 dvex589433 -' => [ [ '131', '154', '32', '55', '98' ] ],
    'miRNA154 dvex573491 +' => [ [ '297', '324', '23', '50', '76' ] ],
    'miRNA32 dvex320240 -'  => [ [ '61',  '83',  '31', '53', '97' ] ],
    'miRNA32 dvex623745 -'  => [ [ '141', '163', '26', '48', '97' ] ]
};

その後、ハッシュのキーごとにネストされた配列の [0]->[0] 値に関して整理しました。ネストされた配列に 1 つの配列がある場合は、それを出力します。しかし、1 < の場合はグループ化する必要があります。次に、グループ化する例を示します。

'miRNA79 dvex468096 -' => [
    [ '702', '733', '6',  '37', '55' ],
    [ '694', '718', '17', '41', '55' ]
    ],

整理する:

$VAR1 = [ [ 696, '724', '13', '41', '55' ],
          [ 717, '743', '13', '39', '55' ] ];

[1][1] と [0][0] の差が [0][4] 以下の場合、それを組み合わせて、次の新しい配列を生成する必要があります。

$VAR1 = [ [ 696, '743', '13', '39', '55' ], ];

そしてそれを印刷します。この場合：

$VAR1 = [
    [ 1103, '1130', '14', '41', '55' ],
    [ 1384, '1408', '21', '45', '55' ],
    [ 3420, '3446', '13', '39', '55' ],
    [ 4384, '4424', '21', '45', '55' ]
];

[1][1] および [0][0] が [0][4] より小さいか等しいかどうかを評価します。FALSE であるため、最初のネストされた配列を抽出して出力し、最後のものを評価するために再度反復する必要があります。調子。結合する必要があるTRUE値が生成された場合、評価でFALSE値が生成された場合は、最初のネストされた配列を抽出して出力する必要があります。次に、私のコード:

#!/usr/bin/perl

use strict;
use warnings;
use Data::Dumper;
use List::Util qw/ min max /;
use List::Util qw(sum);
use Math::MatrixReal;

my %data;
my $val;
my $num;
my $start;
my $end;
my $diff;
my $start_q;
my $end_q;
my @new_data;
my @extract;
my @extract2;
my $limit;

while (<>) {
    chomp;
    my @fields = split;
    push @{ $data{"@fields[0,1,4]"} }, [ @fields[ 2, 3, 8, 9, 10 ] ];
}

foreach my $key ( sort keys %data ) {
    $val = $data{$key};
    $num = scalar @$val;
    next if $num == 0;

    if ( $num == 1 ) {    # print if the hash have 1 nested array
        print
            "$key\t $data{$key}[0][0]\t $data{$key}[0][1]\t $data{$key}[0][2]\t $data{$key}[0][3]\t $data{$key}[0][4]\n";
    }
    else {
        foreach my $keys ( @$val[0] ) {
            my @sorted = sort { $a->[0] <=> $b->[0] }
                @$val;    #organize the nested array values
            $start   = $sorted[0][0];
            $end     = $sorted[1][1];
            $limit   = $sorted[0][4];
            $diff    = $end - $start;
            $start_q = $sorted[0][2];
            $end_q   = $sorted[1][3];

            if ( $diff < $limit ) {
                @new_data = ();
                push( @new_data, $start );
                push( @new_data, $end );
                push( @new_data, $start_q );
                push( @new_data, $end_q );
                push( @new_data, $limit );
                @extract = splice( @{ $sorted[0] }, 0, 5, @new_data );
                @extract2 = splice( @{ $sorted[1] } );
            }
            else {
                my @toprint = splice( @{ $sorted[0] } );
                print
                    "$key\t$toprint[0]\t$toprint[1]\t$toprint[2]\t$toprint[3]\t$toprint[4]\n";
            }
        }
    }
}

一般的に、私はこの結果を持っています：

miRNA127 dvex589433 -    131     154     32  55  98
miRNA154 dvex546562 +    232     259     23  50  76
miRNA154 dvex573491 +    297     324     23  50  76
miRNA154 dvex648254 +   147 172 47  72  76 
miRNA32 dvex320240 -     61  83  31  53  97
miRNA32 dvex623745 -     141     163     26  48  97
miRNA79 dvex219016 +    1103    1130    14  41  55

しかし、これらのリストには、条件が TRUE の場合にコードが繰り返されないため、一部の値が表示されません。いくつかの提案？

4

1 に答える 1

0

よくわかりませんが、いくつかの RNA 配列 (?) を 1 つにマージしようとしていると思いますが、それらが十分に近い (結果の長さが制限よりも短い) 場合です。次のようなコードを探しているかもしれません。

#!/usr/bin/perl

use strict;
use warnings;

# Input data format positions
use constant KEY_FIELDS => ( 0, 1, 4 );
use constant DATA_FIELDS => ( 2, 3, 8, 9, 10 );

# Entry positions (DATA_FIELDS meanings)
use constant {
    START_P => 0,
    END_P   => 1,
    START_Q => 2,
    END_Q   => 3,
    LIMIT   => 4
};

# Output formatter
use constant TO_PRINT => START_P .. LIMIT;

sub format_entry {
    my ( $key, $data ) = @_;
    join "\t", $key, @$data[TO_PRINT];
}

# Read Data
my %data;
while (<>) {
    chomp;
    my @fields = split;
    push @{ $data{"@fields[KEY_FIELDS]"} }, [ @fields[DATA_FIELDS] ];
}

# Transform data to keep only records supposed to appear in output
for my $value ( values %data ) {
    my @entries = sort { $a->[START_P] <=> $b->[START_P] } @$value;
    my @result = ( shift @entries );    # add first one as reference
    while (@entries) {
        my $ref   = $result[-1];        # reference entry
        my $entry = shift @entries;
        if ( $entry->[END_P] - $ref->[START_P] < $ref->[LIMIT] ) {

            # merge entry into reference
            @$ref[ END_P, END_Q ] = @$entry[ END_P, END_Q ];
        }
        else {
            push @result, $entry;
        }
    }
    $value = \@result;                  # rewrite value in %data hash
}

# Write output
for my $key ( sort keys %data ) {
    print format_entry( $key, $_ ), "\n" for @{ $data{$key} };
}

質問のデータの結果は次のとおりです。

miRNA127 dvex589433 -   131     154     32      55      98
miRNA154 dvex546562 +   232     259     23      50      76
miRNA154 dvex573491 +   297     324     23      50      76
miRNA154 dvex648254 +   147     172     47      72      76
miRNA154 dvex648254 +   277     303     47      72      76
miRNA32 dvex320240 -    61      83      31      53      97
miRNA32 dvex623745 -    141     163     26      48      97
miRNA79 dvex219016 +    1103    1130    14      41      55
miRNA79 dvex219016 +    1384    1408    21      45      55
miRNA79 dvex219016 +    3420    3446    13      39      55
miRNA79 dvex219016 +    4384    4424    21      45      55
miRNA79 dvex468096 +    696     743     13      39      55
miRNA79 dvex468096 -    694     733     17      37      55
于 2015-03-16T20:49:11.527 に答える