模拟 RNA 合成的 Perl 程序

Question

寻找有关如何完成我的 Perl 编程作业以编写 RNA 合成程序的建议。我总结并概述了以下计划。具体来说，我正在寻找有关以下块的反馈（我将编号以便于参考）。我已经阅读了 Andrew Johnson 所著的《Perl 编程原理》（很棒的书）的第 6 章。我还阅读了 perlfunc 和 perlop pod 页面，但没有任何内容跳出从哪里开始。

程序描述：该程序应从命令行读取输入文件，将其翻译为 RNA，然后将 RNA 转录为大写单字母氨基酸名称序列。

1. 接受在命令行上命名的文件

   <块引用>

   这里我将使用<>运算符

2. 检查以确保文件仅包含 acgt 或 die

   if ( <> ne [acgt] ) { die "用法：文件必须仅包含核苷酸 \n"; }  
   

3. 将 DNA 转录为 RNA（每个 A 替换为 U，T 替换为 A，C 替换为 G，G 替换为 C）< /p> <块引用>

   不知道该怎么做

4. 接受这个转录&从第一次出现“AUG”开始将其分成 3 个字符“密码子”

   <块引用>

   不确定，但我想这是我开始 %hash 变量的地方？

5. 取 3 个字符“密码子”并赋予它们一个字母符号（大写单字母氨基酸名称）

   <块引用>

   使用（这里有 70 种可能性，所以我不确定在哪里存储或如何访问）为键分配值

6. 如果遇到间隙，则会启动新行并重复该过程

   <块引用>

   不确定，但我们可以假设间隙是三的倍数。

7. 我处理这个问题的方式正确吗？是否有一个我忽略的 Perl 函数可以简化主程序？

注意

必须是自包含程序（密码子名称和符号的存储值）。

每当程序读取没有符号的密码子（这是 RNA 中的间隙）时，它应该开始新的输出行并从下一次出现“AUG”开始。为简单起见，我们可以假设间隙始终是三的倍数。

在我花费额外的时间进行研究之前，我希望得到确认，证明我正在采取正确的方法。感谢您花时间阅读并分享您的专业知识！

Answer 1

<代码>1。在这里我将使用 <>好的

，你的计划是逐行读取文件。不要忘记在执行过程中chomp每一行，否则最终会在序列中出现换行符。

---

<代码>2。检查并确保文件仅包含 acgt 或 die

if ( <> ne [acgt] ) { die "usage: 文件必须仅包含核苷酸 \n";

在 while 循环中，<> 运算符将读取的行放入特殊变量 $_ 中，除非您显式分配它 ( 我的$line = <> ）。

在上面的代码中，您从文件中读取一行并丢弃它。您需要保存该行。

另外，ne 运算符比较两个字符串，而不是一个字符串和一个正则表达式。您将需要此处的 !~ 运算符（或 =~ 运算符，带有否定字符类 [^acgt]。如果您需要测试不区分大小写，查看 i 标志进行正则表达式匹配

---

3 。 G，G 替换为 C)。

正如 GWW 所说，检查您的生物学特性，T->U 是转录中的唯一步骤。您会发现 tr（音译）运算符很有帮助。 。

---

4. 从第一次出现“AUG”开始将其分解为 3 个字符“密码子”

不确定，但我想这就是我要开始的地方 %hash 变量？

我会在 while(<>) 循环之外使用一个缓冲区。使用 index 来匹配“AUG”。如果找不到它，请将最后两个基数放在该标量上（您可以使用 substr $line, -2, 2 在循环追加的下一次迭代中）。 .=) 到这两个碱基的线路，然后再次测试“AUG”。如果您命中了，您就会知道在哪里，这样您就可以标记该位置并开始翻译。

---

<代码>5。取 3 个字符的“密码子”并给它们一个单字母符号（大写单字母氨基酸名称）

使用（这里有 70 种可能性，所以我不确定在哪里）为键分配一个值存储或如何访问）

再次，正如 GWW 所说，构建一个哈希表：

%codons = ( AUG => 'M', ...)。

然后，您可以使用（例如）split 构建您正在检查的当前行的数组，一次构建三个元素的密码子，并从哈希表中获取正确的氨基酸代码。

---

6.如果遇到间隙，则会启动新行并重复该过程

不确定，但我们可以假设间隙是三的倍数。

参见上文。您可以使用 exists $codons{$current_codon} 测试是否存在间隙。

---

<代码>7。我以正确的方式处理这个问题吗？是否有一个我忽略的 Perl 函数可以简化主程序？

你知道，看看上面的内容，它似乎太复杂了。我搭建了一些积木；子例程 read_codon 和 translate：我认为它们对程序的逻辑有很大帮助。

我知道这是一项家庭作业，但我认为它可能会帮助您了解其他可能的方法：

use warnings; use strict;
use feature 'state';


# read_codon works by using the new [state][1] feature in Perl 5.10
# both @buffer and $handle represent 'state' on this function:
# Both permits abstracting reading codons from processing the file
# line-by-line.
# Once read_colon is called for the first time, both are initialized.
# Since $handle is a state variable, the current file handle position
# is never reset. Similarly, @buffer always holds whatever was left
# from the previous call.
# The base case is that @buffer contains less than 3bp, in which case
# we need to read a new line, remove the "\n" character,
# split it and push the resulting list to the end of the @buffer.
# If we encounter EOF on the $handle, then we have exhausted the file,
# and the @buffer as well, so we 'return' undef.
# otherwise we pick the first 3bp of the @buffer, join them into a string,
# transcribe it and return it.

sub read_codon {
    my ($file) = @_;

    state @buffer;
    open state $handle, '<', $file or die $!;

    if (@buffer < 3) {
        my $new_line = scalar <$handle> or return;
        chomp $new_line;
        push @buffer, split //, $new_line;
    }

    return transcribe(
                       join '', 
                       shift @buffer,
                       shift @buffer,
                       shift @buffer
                     );
}

sub transcribe {
    my ($codon) = @_;
    $codon =~ tr/T/U/;
    return $codon;
}


# translate works by using the new [state][1] feature in Perl 5.10
# the $TRANSLATE state is initialized to 0
# as codons are passed to it, 
# the sub updates the state according to start and stop codons.
# Since $TRANSLATE is a state variable, it is only initialized once,
# (the first time the sub is called)
# If the current state is 'translating',
# then the sub returns the appropriate amino-acid from the %codes table, if any.
# Thus this provides a logical way to the caller of this sub to determine whether
# it should print an amino-acid or not: if not, the sub will return undef.
# %codes could also be a state variable, but since it is not actually a 'state',
# it is initialized once, in a code block visible form the sub,
# but separate from the rest of the program, since it is 'private' to the sub

{
    our %codes = (
        AUG => 'M',
        ...
    );

    sub translate {
        my ($codon) = @_ or return;

        state $TRANSLATE = 0;

        $TRANSLATE = 1 if $codon =~ m/AUG/i;
        $TRANSLATE = 0 if $codon =~ m/U(AA|GA|AG)/i;

        return $codes{$codon} if $TRANSLATE;
    }
}

Answer 2

我可以就您的一些观点给您一些提示。

我认为您的第一个目标应该是逐个字符地解析文件，确保每个字符都是有效的，将它们分组为三个核苷酸的组，然后实现其他目标。

我认为你的生物学也有点偏离，当你将 DNA 转录为 RNA 时，你需要考虑什么 链。您可能不需要在转录步骤中“补充”您的碱基。

2. 您应该在逐字符解析文件时检查此项。

3. 您可以使用循环和一些 if 语句或散列来完成此操作

4. 当您逐个字符读取文件时，这可能可以通过计数器来完成。因为您需要在每三个字符后插入一个空格。

5. 这将是使用基于氨基酸密码子表的哈希的好地方。

6. 在解析文件时，您必须查找间隙字符。这似乎与您的#2 要求相矛盾，因为程序表示您的文本只能包含 ATGC。

有很多 Perl 函数可以使这变得更容易。还有 perl 模块，例如 bioperl。但我认为使用其中一些可能会违背你的任务目的。

Answer 3

看看 BioPerl 和 浏览源模块以获取有关如何进行操作的指示符。