| 查看: 3271 | 回复: 21 | ||
[求助]
本地化blast注释后，想从结果中的Subject Seq-id得到Nr-annotation，求大神指导。 已有1人参与
|
|
如题，现在注释结果已经出来，其中Subject Seq-id（也就是比对到的nr数据库中的gi）放进一个txt文件中，如图1。 这时候，我想根据这个txt，把nr数据库（如图2）中，这些gi所代表的基因的名称一起找出来，一对一输入一个excel中。 如图2中gi|67472372|sp|P0A7T7.2|RS18_ECOLI是nr水库中的，它在txt中，想找出它后的RecName: Full=30S ribosomal protein S18 [Escherichia coli K-12]（对这个基因的说明和名字）。  图1.jpg  图2.jpg |
回复此楼» 本帖已获得的红花（最新10朵）
zhouyanli11» 猜你喜欢
估计是周四
已经有3人回复
-
基金啊基金
已经有3人回复
-
科研孤儿太难了
已经有15人回复
-
让我中一个面上吧！
已经有10人回复
-
言之凿凿，明天官网会通知放榜？
已经有17人回复
-
时间戳又变了
已经有17人回复
-
今天系统多次维护，明天很可能放榜！
已经有11人回复
-
时间戳变了，能看出什么问题？
已经有23人回复
-
只有每年这种时候来逛逛小木虫
已经有22人回复
-
放榜前的不淡定
已经有12人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 生物学软件介绍及其下载地址【学生物的会很有用】
已经有24人回复
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24487.5
- 红花: 16
- 帖子: 2608
- 在线: 67小时
- 虫号: 395640
- 注册: 2007-06-08
- 性别: GG
- 专业: 微生物生态学
2楼2014-10-21 18:05:07
3楼2014-10-21 19:22:07
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24487.5
- 红花: 16
- 帖子: 2608
- 在线: 67小时
- 虫号: 395640
- 注册: 2007-06-08
- 性别: GG
- 专业: 微生物生态学
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★
大爷给跪了: 金币+20, ★★★★★最佳答案 2014-10-21 20:05:45
大爷给跪了: 金币+20, ★★★★★最佳答案 2014-10-21 20:05:45
|
代码如下，请粘贴到空白文档，保存成.pl文件 用法：假设你的第一个文件是11111111.txt（你的图1）, 第二个文件是nr.txt（你的图2），双击pl脚本，产生的include.txt就是你要的结果，可以用excel打开，自动会分成两列，第一列gi编号，第二列是编码蛋白名称 #!/usr/bin/perl my $list_file="11111111.txt"; # 输入文件1 my $tb_file="nr.txt"; # 输入文件2 my ($ll,%gi1,@f); open INCLUDE, ">include.txt" || die "Can't open include.txt"; open TMP, $list_file || die "Can't open $list_file"; while($ll = <TMP>  {@f=split/\|/,$ll; $gi1{$f[1]} = 1; } close(TMP); open(TMP, $tb_file) || die; while($ll = <TMP> {chomp $ll; @f=split/\|/,$ll; if ($gi1{$f[1]}){ print INCLUDE "$f[1]\t$f[4]\n"; } } close TMP; close INCLUDE; |
» 本帖已获得的红花（最新10朵）
4楼2014-10-21 19:40:34
5楼2014-10-21 19:53:36
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24487.5
- 红花: 16
- 帖子: 2608
- 在线: 67小时
- 虫号: 395640
- 注册: 2007-06-08
- 性别: GG
- 专业: 微生物生态学
6楼2014-10-21 19:55:18
7楼2014-10-21 20:05:06
|
大神 结果不对啊 24417280 unknown [Arabidopsis thaliana] 15234745 UDP-D-glucuronate 4-epimerase 1 [Arabidopsis thaliana]gi 15234486 UDP-D-glucuronate 4-epimerase 5 [Arabidopsis thaliana]gi 15293119 putative nucleotide sugar epimerase [Arabidopsis thaliana] 21536982 nucleotide sugar epimerase, putative [Arabidopsis thaliana] 37781356 nematode resistance-like protein [Solanum tuberosum] 而且数量也不对 |
8楼2014-10-21 21:12:41
|
txt中原数据是： gi|571510024|ref|XP_006596207.1| gi|571465848|ref|XP_006583492.1| gi|357514699|ref|XP_003627638.1| gi|657373209|gb|KEH18959.1| gi|357514703|ref|XP_003627640.1| gi|657372565|gb|AET01655.2| gi|571474956|ref|XP_006586404.1| gi|357513781|ref|XP_003627179.1| gi|358344433|ref|XP_003636294.1| gi|357518219|ref|XP_003629398.1| gi|358345567|ref|XP_003636848.1| gi|358343944|ref|XP_003636055.1| gi|358343904|ref|XP_003636035.1| |
9楼2014-10-21 21:16:39
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24487.5
- 红花: 16
- 帖子: 2608
- 在线: 67小时
- 虫号: 395640
- 注册: 2007-06-08
- 性别: GG
- 专业: 微生物生态学
|
那个脚本是利用|符号来分割每行数据的，对于你的文件2，脚本会取出分割后的第2（gi号）和第5个（蛋白名称）区段放进输出结果里 如果要正常运行，必须确保这个规则是适用于每一行。你多贴一些文件2的内容出来看看吧（比如那些你认为脚本运行出错了的行）。或者把两个文件发我邮箱caueducn@yeah.net 还有个很重要的规则是，你要确保文件1的gi号都是唯一的；如果gi号不是唯一，或者在文件2并不包含文件1的全部gi号，那么出来的结果就会少一些。 |
10楼2014-10-21 21:25:14
40