我正在执行正则表达式搜索,并希望仅打印 fasta 格式的命中(两行数据:第一行以胡萝卜“>”开头,后跟命中,第二行没有胡萝卜,但仍包含命中信息)。
我可以成功生成输出 multifasta 文件,但无论是否命中,胡萝卜和换行符都会包含在输出文件中。
生成的输出:
>
>
>TAGCTAGC
TAGCTAGC
>
>GCTAGCTA
GCTAGCTA
期望的输出:
>TAGCTAGC
TAGCTAGC
>GCTAGCTA
GCTAGCTA
这是我的代码:
#!/usr/bin/perl
use warnings;
use strict;
open(CLUSTER, ">", "SequencesToCluster.txt") or die $!;
my @TrimmedSequences;
my @ArrayofFiles = glob ("~/BLASTdb/Individual_Sequences_*");
foreach my $file (@ArrayofFiles){
open (my $sequence, $file) or die "can't open file: $!";
while (my $line = <$sequence>){
if ($line !~/^>/){
my $seq = $line;
$seq =~ s/\R//g;
$seq =~ m/([TAGC]{16})(CGGAGCTTTA|GCCATTTCT|TAAAGCTCCG|AGAAATGGGC/;
push(@TrimmedSequences, ">", $1, "\n", $1, "\n");
}
}
}
#Here I believe I need to manipulate the array to get rid of blank fastas
print CLUSTER @TrimmedSequences;
最佳答案
如果您要过滤数组,则该工具是grep
。
例如
my @new_array = grep { not /^\s*$/ } @old_array;
这将过滤任何只是空白的元素。在您的情况下,因为它是空的或只是一个>
:
/^>?\s*$/
代替。
但是,这解决了一个本来并不存在的问题。您可以改为:
$seq =~ m/([TAGC]{16})(CGGAGCTTTA|GCCATTTCT|TAAAGCTCCG|AGAAATGGGC)/
&& push(@TrimmedSequences, ">", $1, "\n", $1, "\n");
只有当正则表达式匹配时才会推送
。
关于arrays - 从数组中删除空白正则表达式命中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37441857/