17.11.15  Paris

Programme en perl pour compter les bases répétées

#!/usr/local/bin/perl            mekki 17.11.15            Comptage de séquences de bases répétées
#
#    Résultat: KEGG donne 4 641 652 paires de bases. Chercher dans organismes de KEGG eco (Escherichia Coli).
#
#3    50279    50147    31599    31526    490653      −−−−>   Il y a 31 526 séquences de ggg.

La séquence de base originale est celle de NCBI, eco par exemple, et je copie le fichier FASTA dans un document .txt. Chaque ligne contient 70 bases. Pour accéder à eco NCBI je passe par KEGG2 organism et clique sur la séquence du chromosome.

#

#  **  perl  **

@Valeurs = ();
# Initialisation du tableau
foreach $b (2..5) {foreach $n (2..21) { $Valeurs [$b] [$n] = 0;}}    # *********  augmenter les bornes supérieures si nécessaire: séquences spécifiques ************
$NbElem = @Valeurs;
# *********  Changer le fichier qui doit être en txt ************
$filename = "dnaecoli.txt";
my $tl = -s $filename;
print ("$tl    total \n");        # *Total sur le disque différent de KEGG  ***********
my $i = 0, $k=0;
my @m= (1,2,3,4);
my $j=0;
my @p = (0)x4;
# *********  Comptage du 1er caractère pour les chromosomes circulaires ************
open ($fh, '<', $filename);
$lis1 = <$fh>;
$car = substr($lis1,0,1 );
$j=1;
for ($i=1; $i<=70; $i+=1) {        # 70 à changer si on doute que le 1er caractère est sur une séquence plus grande   ***********
$lu = substr($lis1,$i,1 );
if ($lu eq $car) { $j+=1;}
else { $i=70;}}
#print ( $car, "  ", $j, "\n");
$d=$j;
close $fh;
$i=0;
$j=0;
# *********  Comptage de toutes les séquences répétitives. A compléter pour les séquences spécifiques. ************
open ($fh, '<', $filename);
while( defined( $lis = <$fh> ) ) {
   chomp $lis;
while ($i <= 70) {            # 70 à remplacer par la longueur total du chromosome si on a un seul enregistrement   ***********
$lu = substr($lis,$i,1 );
if( $lu eq "T" ) {             #("1","2","3","4");  pour les aléas. ************
    if($p[1] == 0) {
         foreach $j (@m, $m!=1) {
             if( $p[$j] !=0 ) { $n=$p[$j]+1; $b=$j+1;
                $Valeurs [$b] [$n] +=1; $p[$j]=0; } }
         $p[1]+=1;}
    else { $p[1]+=1; }}
if( $lu eq "A" ) {
    if($p[2] == 0) {
         foreach $j (@m, $m!=2) {
             if( $p[$j] !=0 ) { $n=$p[$j]+1; $b=$j+1;
                $Valeurs [$b] [$n] +=1; $p[$j]=0; }}
         $p[2]+=1;}
    else {$p[2]+=1;}}
if( $lu eq "C" ) {
    if($p[3] == 0) {
         foreach $j (@m, $m!=3) {
             if( $p[$j] !=0 ) { $n=$p[$j]+1; $b=$j+1;
                $Valeurs [$b] [$n] +=1; $p[$j]=0; }}
         $p[3]+=1;}
    else {$p[3]+=1;}}
if( $lu eq "G" ) {
    if($p[4] == 0) {
         foreach $j (@m, $m!=4) {
             if( $p[$j] !=0 ) { $n=$p[$j]+1; $b=$j+1;
                $Valeurs [$b] [$n] +=1; $p[$j]=0; }}
         $p[4]+=1;}
    else {$p[4]+=1;}}
$i+=1;};
$i = 0;};
foreach $j (@m) {
     if( $p[$j] !=0 ) { $n=$p[$j]+1; $b=$j+1;
                $Valeurs [$b] [$n] +=1; $p[$j]=0; } };
#print ( $Valeurs [$b] [$n], " ", $b, " ", $n, "\n");
#
# *********  Ce qui suit: uniquement si le chromosome est circulaire. A compléter pour les séquences spécifiques. ************
#
@c=("T","A","C","G");            #@c=("1","2","3","4");  pour les aléas. ************
foreach $k (0..3) {
#print ( $c[$k], "  ", $b, "\n");
if ($c[$k] eq $car) { $x=$k+2;}};
if ( $x == $b ) {
$Valeurs [$b] [$n] -=1;
#print ( $Valeurs [$b] [$n], "\n");
$n = $n + $d;
#print ( $b, "  ", $n, "\n");
$Valeurs [$b] [$n] +=1;
$n = $d+1;
#print ( $b, "  ", $n, "\n");
$Valeurs [$b] [$n] -=1;}
#
# *********  Fin de ce qui suit uniquement si le chromosome est circulaire. ************
#
print ("n t a c g \n");   
foreach $k (2..21) { $j=$k-1; print ( $j," ", $Valeurs [2] [$k]," ", $Valeurs [3] [$k]," ", $Valeurs [4] [$k]," ", $Valeurs [5] [$k],  "\n")};
close $fh;