Question

求助：根据第一行seqID提取第二行的序列数据，求可实现的perl程序

有fasta文件如下：

>leaf_1
AAGACCATTCGAGCTTATCTCTTC
>leaf_2
ATGGAGAAGGAAATGAAGAGCAGT
>leaf_3
TGGCTGTAAGTCATACCTGTCA
>leaf_4
CGCGGAGTAGATCAGTTTGGTA
>leaf_5
AGTAACGGCTTTACAAGAATCAAA
......

现在有另一个txt文件，包含我想提取的序列的名称：
>leaf_2
>leaf_4
>leaf_5

能否用perl程序实现如下功能：
根据序列名称提取数据库里的相应序列信息，输出到新文件中并以制表符分隔的格式显示，如下：

>leaf_2 ATGGAGAAGGAAATGAAGAGCAGT
>leaf_4 CGCGGAGTAGATCAGTTTGGTA
>leaf_5 AGTAACGGCTTTACAAGAATCAAA

谢谢！
我试了，但回车后没出任何结果。
你程序第三行的<IDlist.txt> <seq.fa>是不是需要做相应的改动？假设我需要查询的列表名leaf_query.txt，数据库文件名为leaf.fa
命令行输入：perl run.pl leaf_query.txt leaf.fa > leaf_result.txt
结果生成了相应文件，但文件是空的。是不是需要在程序中加入：
open (OUTPUT, ">Output.fa");
...print OUTPUT ">fruit_$._$line[0]_$line[1]\n"; 等语句？

你能否用我问题里的例子（包括文件名）再调试一下程序？谢谢！

Answer 1

#!/usr/bin/perl -w
use strict;
die "perl $0 <IDlist.txt> <seq.fa>\n" unless(@ARGV == 2);
my %hash;
open IN,$ARGV[0];
while(<IN>){
chomp;
$_=~s/[> \t]+//g;
$hash{$_} = 1;
}
close IN;
open IN,$ARGV[1];
$/=">";
<IN>;
$/= "\n";
while(<IN>){
chomp;
my $name = $_;
$/=">";
my $seq= <IN>;
chomp $seq;
$seq =~s/\n//g;
$/ = "\n";
if(exists($hash{$name})){
print ">$name\t$seq\n";
}
}
close IN;

脚本保存为run.pl 序列所在文件假设为 a.fa 你所需要的ID列表所在文件为ID.txt
那么在命令行输入perl run.pl ID.txt a.fa 回车即可
结果将在屏幕打印出来。如果需要另存 则假设你另存为 c.txt
那么命令行输入
perl run.pl ID.txt a.fa > c.txt

追问

我现在能保证我的数据库fa文件格式是正确的，所以怀疑问题出在了我的lst文件的格式上面。因为这个lst文件是我从Excel（Mac2011版）里的一列数据拷贝粘贴到写字板里生成的，很有可能产生了隐含的格式错误。我尝试用^n替换^p，也还是无济于事 : (
请问如何解决这个问题？怎样能够把Excel里的一列数据转换成正确的fasta格式输出呢？

追答

你这个是因为从EXCEL存出来的数据，它包含的换行符为\r\n，这样的话就会导致换行的失败，\r是将光标移动到行首，针对你的这个格式，可以尝试在里面替换一行代码再试试：

$_=~s/[> \t]+//g; 这一句 替换为

$_=~s/[> \t\r]+//g;

Answer 2

open FASTA,$ARGV[0];
open LST,$ARGV[1];
while(<LST>){
chomp;
$id{$_}++;
}
while(<FASTA>){
chomp;
$name=$_;
chomp($seq=<FASTA>);
if (exists $id{$name}){
print "$name\t$seq\n";
}
}

perl aaa.pl fa txt > answer

追问

谢谢您的回答，我试了但没有任何结果输出，什么原因呢？

追答

check一下 你的文件跟你放上来的是否一致 

我这里可以正确的输出结果。

追问

我已经解决了格式的问题，现在正常了。万分感谢！