Perl：为 DNA 序列的对数得分创建和操作数组的散列

Question

又是我。即使在查看文档之后，我也无法创建数组哈希。我希望 HoA 在 DNA 序列中包含基序（较小序列）的对数优势得分。我希望结构看起来像：

$HoA{$id}[$pos] = #score based on the position

$id 是序列 ID，$pos 是序列中基序开始的位置。我输入了一个包含 DNA 序列的 .txt 文件，格式如下：

>Sequence_1
TCAGAACCAGTTATAAATTTATCATTTCCTTCTCCACTCCT
>Sequence_2
CCCACGCAGCCGCCCTCCTCCCCGGTCACTGACTGGTCCTG
>Sequence_3
TCGACCCTCTGGAACCTATCAGGGACCACAGTCAGCCAGGCAAG

例如：序列 1 的位置 2 的基序是“AGA”。 以下是我到目前为止的代码（稍微简化了一点）：

use strict;
use warnings;
use Data::Dumper; 

print "Please enter the filename of the fasta sequence data: ";
my $filename1 = <STDIN>;

#Remove newline from file
chomp $filename1;

#Open the file and store each dna seq in hash
my %HoA = ();
my %loscore = ();
my $id = '';
open (FILE, '<', $filename1) or die "Cannot open $filename1.",$!;
my $dna;
while (<FILE>)
{
    if($_ =~ /^>(.+)/)
    {
        $id = $1; #Stores 'Sequence 1' as the first $id, etc.
    }
    else
    {
        $HoA{$id} = [ split(//) ]; #Splits the contents to allow for position reference later
        $loscore{$id} .= 0; #Creates a hash with each id number to have a log-odds score (initial score 0)
        $maxscore{$id} .= -30; #Creates a hash with each id number to have a maxscore (initial score -30)
    }
}
close FILE;

my $width = 3;

my %logodds;  #I know there is a better way to do this - this is just for simplicity
$logodds{'A'}[0] = 0.1;
$logodds{'A'}[1] = 0.2;
$logodds{'A'}[2] = 0.3;
$logodds{'C'}[0] = 0.2;
$logodds{'C'}[1] = 0.5;
$logodds{'C'}[2] = 0.2;
$logodds{'G'}[0] = 0.3;
$logodds{'G'}[1] = 0.2;
$logodds{'G'}[2] = 0.4;
$logodds{'T'}[0] = 0.4;
$logodds{'T'}[1] = 0.1;
$logodds{'T'}[2] = 0.1;

print Dumper (\%logodds);
print "\n\n";
for my $base (qw( A C G T))
{
    print "logodds$base @{$logodds{$base}}\n";
}

my @arr;

foreach $id (keys %HoA)
{   
    for my $pos1 (0..length($HoA{$id})-$width-1)    #Look through all positions the motif can start at
    {
        for my $pos2 ($pos1..$pos1+($width-1)) #look through the positions at a specific motif starting point
        {
            for my $base (qw( A C G T))
            {
                if ($HoA{$id}[$pos2] eq $base)  #If the character matches a base:
                {
                    for my $pos3 (0..$width-1) #for the length of the motif:
                    {
                        $arr[$pos1] += $logodds{$base}[$pos3]; 
                        @{ $loscore{$id}} = @arr; #Throws error here
                    }
                }   
            }   
        }
    }
}
print Dumper(\%loscore);

我不断收到错误： 在第 75 行使用“strict refs”时，不能使用字符串（“0”）作为 ARRAY 引用。

我想要的具有此数据的对数赔率得分示例是：

$HoA{'Sequence 1'}[2] = 0.1 + 0.2 + 0.3 = 0.6

因此，在序列 1 中从位置 2 开始的基序“AGA”的对数几率得分为 0.6。感谢您的耐心和帮助！如果我需要澄清任何事情，请告诉我。

Answer 1

我在您的代码中发现了一些问题。考虑以下几行：

$HoA{$id} = [ split(//) ];  # Splits the contents to allow for position reference later
$loscore{$id} .= 0;  # Creates a hash with each id number to have a log-odds score (initial score 0)
$maxscore{$id} .= -30;  # Creates a hash with each id number to have a maxscore (initial score -30)

根据您的 cmets，您似乎希望将 %loscore 和 %maxscore 的条目初始化为 0 和 -30。但是，您使用的是 .= 运算符（附加字符串），而不是使用旧的 = 符号。我认为这不是您想要的，因此请考虑将 .= 更改为 =。

(或者你可能打算改用//=。那样的话，如果%loscore和%maxscore已经有一个$id条目，它不会被覆盖。但只有你可以肯定地说，如果你意味着使用//= 运算符。）

现在让我们看看$loscore{$id} = 0。这告诉我们%loscore 是一个散列（或“关联数组”），对于每个条目，它以 $id 作为键，以数字作为值。

但是，在您的代码的更下方，您会看到：

@{ $loscore{$id} } = @arr;

$loscore{$id} 被${ ... } 包裹的事实告诉我们%loscore 中的值是数组引用。但是我们已经在上面确定了它的值是数字！

因为您将数字视为数组引用，Perl 将其视为错误。

您可能想要写的是：

@{ $HoA{$id} } = @arr;

由于 %HoA 散列的值包含数组引用，因此您希望将 that 作为数组取消引用。

Answer 2

我认为这可以解决问题： 替换

$loscore{$id} .= 0; $maxscore{$id} .= -30;

有

foreach $id (keys %HoA)
    {
        for my $len (0..(length($HoA{$id})-$width-1))
        {
            push @{ $loscore{$id} }, 0;
            push @{ $maxscore{$id} }, -30;
        }
    }

如果你有什么要补充的，请告诉我。