我应该使用什么数据结构来存储 .fasta 标头的集合？答案

【问题标题】：What data structure should I use to store a collection of .fasta headers?我应该使用什么数据结构来存储 .fasta 标头的集合？
【发布时间】：2013-04-17 21:06:00
【问题描述】：

我正在尝试编写一个将拆分 fasta 标头的 perl 程序：

gi|4140243|dbj|AB022087.1|_Xenopus_laevis_mRNA_for_cytochrome_P450,_complete_cds,_clone_MC1

进入它的| 分离部分：

gi
4140243
dbj
AB022087.1
_Xenopus_laevis_mRNA_for_cytochrome_P450,_complete_cds,_clone_MC1

我可以使用split：

my @hits = split(/\|/, $hits);

my ($gi, $number, $gb, $id, $name);
foreach (@hits) {
  $gi.= "$hits[0]\n";
  $number .= "$hits[1]\n";
  $gb .= "$hits[2]\n";
  $id .= "$hits[3]\n";
  $name .= "$hits[4]\n";
}

my @gi = split('\n', $gi);
my @number = split('\n', $number);
my @gb = split('\n', $gb);
my @id = split('\n', $id);
my @name = split('\n', $name);

现在每个标题的每个部分（包含在$hits 中）都是单个数组中的一个元素。我接下来要做的是打印回每个数组的每个元素，这样我就可以为每个数组生成一个元素 [0] 的列表，为每个数组生成一个元素 [1]...

我不确定这是否需要散列散列或数组数组。

我对 perl 还很陌生，所以任何建议都会很有帮助。

我也知道，上述方法可能不是实现我想要的最巧妙的方法 - 任何 cmets 都会很棒！

【问题讨论】：

标签： arrays perl hash bioinformatics

【解决方案1】：

$hits 包含一个还是多个标题？如果它只有一个，那么要将其拆分为变量，您可以执行以下操作：

my ($gi, $number, $gb, $id, $name) = split(/\|/, $hits);

每个变量都会包含相应的值。

如果 $hits 包含多个标题，则首先只拆分行，然后在循环中拆分每个标题。这是一个示例，结果将是哈希数组：

my @hits = split(/\n/, $hits);
my @result;
for my hit ( @hits ) {
    my ($gi, $number, $gb, $id, $name) = split(/\|/, $hits);
    push(@result, {
        gi => $gi,
        number => $number,
        gb => $gb,
        id => $id,
        name => $name,
    });
}

当然该示例不包括任何错误检查（例如 - 标头字符串是否真的与格式匹配？），但如果需要，您应该将它们包含在实际应用程序中。

PS：我觉得你真的要从that开始

【讨论】：

嗨 - 感谢您的回答。 $hits 包含由 \n 分隔的多个标题
好的，太好了——我会玩一下。也感谢您提供有用的链接！
我很困惑你是如何在没有首先声明的情况下创建哈希的？我不需要在访问 $results{go} 之前声明我的 %results

【解决方案2】：

一般来说，数组用于同质数据（“一堆东西”），而哈希用于异构数据（“姓名、数字和生日”）。如果你的数据自然分裂成一堆内部异构的东西（“一堆个人信息记录，每条都有名字、数字和生日”），那么自然的数据结构就是一个 hashref 数组（见注#1)。

在您的情况下，$hits 是标题列表。所以我们将创建一个数组，称为@headers，其中的每个元素都是一个单独的标头，表示为一个hashref。我们可以用split把一个分隔的字符串变成一个列表，我们可以用map把一个列表变成另一个：

my @headers = map {
    make_header_hashref($_)
} split(/\n/, $hits);

sub make_header_hashref {
    my ($header_string) = @_;
    my ($gi, $number, $gb, $id, $name) = split(/\|/, $header_string);

    return {
        gi      => $gi,
        number  => $number,
        gb      => $gb,
        id      => $id,
        name    => $name,
    };
}

(我将header string到header hashref的转换拆分为一个sub，因为（a）这就是你在真实代码中所做的，（b）它阐明了 map.)

你现在有一个 hashrefs 数组，所以你可以遍历它们并否则将标题作为单元而不是作为集合处理属性。

注意#1：嗯，实际上我们想要一个描述关联的对象，实现为表示记录的对象数组。

【讨论】：