ruby - 按长度重新排列 FASTA 格式文件中的序列？

Question

应使用哪种算法将 FASTA 序列重新排列为长度顺序(最短优先)？ 它需要将序列按长度顺序排序，但要显示所有信息，而不仅仅是长度。

我可以使用 Bio::FastaFormat#length 对序列的“长度”进行排序，将长度放入数组中，然后排序:

require 'rubygems'
require 'bio'

file = Bio::FastaFormat.open(ARGV.shift)
seqarray = []
file.each do |seq|
  a = seq.length
  seqarray.push a
end

puts seqarray.sort

这按顺序显示序列长度，但我需要能够看到的是按长度顺序排列的原始 FASTA 格式。

我无法将seq.length(每个序列的长度)添加到seq.entry(整个fasta格式)然后排序，因为seq .length 是一个整数，seq.entry 给出字符串。我尝试转换 seq.length.to_s，将其添加到 seq.entry，然后排序。这是我得到的最接近的，不幸的是，长度在一个字符串中，所以他们订购 1,11,111 而不是 1,2,3 等:

require 'rubygems'
require 'bio'

file = Bio::FastaFormat.open(ARGV.shift)
seqarray = []
file.each do |seq|
  a = (seq.length).to_s + ' = length' + seq.entry
  seqarray.push a
end
puts seqarray.sort

在这样做之后，我尝试使用 sequence_id 而不是整个条目，并且没有将长度转换为字符串，但是 id 中有字母，所以我无法在不收到错误消息的情况下添加到长度整数。

是的，有什么建议吗？

Answer 1

我想你可以使用“how to sort a ruby array of strings by length”。

使用链接中描述的 lambda 将数组映射到一个新数组。

像这样:

require 'rubygems'
require 'bio'

file = Bio::FastaFormat.open(ARGV.shift)
seqarray = []
file.each do |seq|
    seqarray.push seq
end

puts seqarray.sort_by {|x| x.length}