| 查看: 3408 | 回复: 21 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[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
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有13人回复
-
售SCI-T0P文章，我:8O.5.5.1.O.54,科目齐全,可+急
已经有10人回复
-
售SCI一区T0P文章，我:8O.55.1.O.5.4,科目齐全,可+急
已经有3人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有11人回复
-
售SCI-T0P文章，我:8O.5.5.1.O.54,科目齐全,可+急
已经有4人回复
-
售SCI-T0P文章，我:8O.5.5.1.O.54,科目齐全,可+急
已经有5人回复
-
售SCI-T0P文章，我:8O.5.5.1.O.54,科目齐全,可+急
已经有6人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有5人回复
-
售SCI一区T0P文章，我:8.O.55.1.O.54,科目齐全,可+急
已经有4人回复
-
售SCI一区T0P文章，我:8O.55.1.O.54,科目全,可伽急
已经有9人回复
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24489.1
- 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
|
这个新的代码可以过滤掉文件2的蛋白序列，只看>后面的内容 蛋白名称只认RecName及其后面的字符串（后面如果有AltName，也会显示出来）， perl处理数据归根结底就是找规律，总结出的规律与事实不符就会出现错误。 至于SOH符号，我不知道是啥，留着对结果应该没什么影响： #!/usr/bin/perl my $list_file="11111111.txt"; my $tb_file="nr.txt"; my ($ll,$i,$nm,%gi1,%gi2,@f,@g); open INCLUDE, ">include.txt" || die "Can't open include.txt"; open TMP, $list_file || die "Can't open $list_file"; while($ll = <TMP>  {chomp $ll; @f=split/\|/,$ll; $gi1{$f[1]}++; $gi2{$f[1]}=$ll; } close(TMP); open(TMP, $tb_file) || die; while($ll = <TMP> {if($ll=~/^\>gi/) { chomp $ll; $ll=~s/\>gi\|//; @g=split/gi\|/,$ll; foreach $i (@g) { @f=split/\|/,$i; while ($gi1{$f[0]}){ $nm=$f[3]; $nm=~s/.* RecName/RecName/; print INCLUDE "$gi2{$f[0]}\t$nm\n"; $gi1{$f[0]}--; } } } } close TMP; close INCLUDE; |
19楼2014-10-21 23:06:20
peterrjp
铁杆木虫 (著名写手)
- 应助: 65 (初中生)
- 金币: 24489.1
- 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: 24489.1
- 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
