在FASTA文件中搜索motif，并返回包含该motif的每个序列的标题行

Question

下面是我在命令行输入的FASTA文件中搜索用户提供的motif的代码。当我运行它并输入一个我知道在文件中的motif时，它返回'Motif not found‘。我只是Perl的初学者，我不知道如何打印motif found，更不用说返回标题行了。如果您能帮助我解决这个问题，我将不胜感激。

谢谢。

use warnings;
use strict;


my $motif;  
my $filename;  
my @seq;   
#my $motif_found;  
my $scalar;  

$filename = $ARGV[0];  

open (DNAFILE,$filename) || die "Cannot open file\n";
@seq = split(/[>]/, $filename);
print "Enter a motif to search for; ";

$motif = <STDIN>;  

chomp $motif;  
foreach $scalar(@seq) {  
    if ($scalar =~ m/$motif/ig) {
        print "Motif found in following sequences\n";  
        print $scalar;  
    } else {
        print "Motif was not found\n";  
    }  
}  
close DNAFILE;

Answer 1

“使用自己的”Fasta解析器是没有意义的。BioPerl已经花了几年的时间开发了一个，不使用它将是愚蠢的。

use strict;
use Bio::SeqIO;

my $usage = "perl dnamotif.pl <fasta file> <motif>";
my $fasta_filename = shift(@ARGV) or die("Usage: $usage $!");
my $motif = shift(@ARGV) or die("Usage: $usage $!");

my $fasta_parser = Bio::SeqIO->new(-file => $fasta_filename, -format => 'Fasta');
while(my $seq_obj = $fasta_parser->next_seq())
{
  printf("Searching sequence '%s'...", $seq_obj->id);
  if((my $pos = index($seq_obj->seq(), $motif)) != -1)
  {
    printf("motif found at position %d!\n", $pos + 1);
  }
  else
  {
    printf("motif not found.\n");
  }
}

此程序仅查找每个序列中第一个基序匹配的位置(从1开始)。可以很容易地对它进行编辑，以找到每个匹配的位置。它也可能无法以您想要/需要的格式打印内容。我将把这些问题作为“给读者的练习”:)

如果您需要下载BioPerl，请尝试this link。如果你有任何问题，请告诉我。

对于像这样的生物信息学问题，我发现BioStar论坛非常有帮助。

Answer 2

您正在尝试读取文件名，而不是文件句柄。

替换

@seq = split(/[>]/, $filename);

通过

@seq = <DNAFILE>

(如果需要，也可以拆分-我不知道拆分/>/应该做什么:在[]中放一个字符是没有意义的)。