Come posso trovare più motivi (sottostringa) in una sequenza di proteine ​​(stringa)?

Question

Il seguente script è per trovare un motivo nella sequenza di proteine.

use strict; 
use warnings; 

my @file_data=(); 
my $protein_seq=''; 
my $h= '[VLIM]'; 
my $s= '[AG]'; 
my $x= '[ARNDCEQGHILKMFPSTWYV]'; 
my $regexp = "($h){4}D($x){4}D"; #motif to be searched is hhhhDxxxxD 
my @locations=(); 

@file_data= get_file_data("seq.txt"); 

$protein_seq= extract_sequence(@file_data); 

#searching for a motif hhhhDxxxxD in each protein sequence in the give file 

foreach my $line(@file_data){ 
    if ($motif=~ /$regexp/){ 
     print "found motif \n\n"; 
     } else { 
     print "not found \n\n"; 
    } 
} 
#recording the location/position of motif to be outputed 

@locations= match_position($regexp,$seq); 
if (@locations){ 
    print "Searching for motifs $regexp \n"; 
    print "Catalytic site is at location:\n"; 
    } else { 
    print "motif not found \n\n"; 
} 
exit; 

sub get_file_data{ 
    my ($filename)=@_; 
    use strict; 
    use warnings; 
    my $sequence=''; 

    foreach my $line(@fasta_file_data){ 
     if ($line=~ /^\s*(#.*)?|^>/{ 
      next; 
      } 
     else { 
      $sequence.=$line; 
     } 
    } 
    $sequence=~ s/\s//g; 
    return $sequence; 
} 

sub(match_positions) { 
    my ($regexp, $sequence)=@_; 
    use strict; 
    my @position=(); 
    while ($sequence=~ /$regexp/ig){ 
     push (@position, $-[0]); 
    } 
    return @position; 
} 

Non sono sicuro come estendere questo per trovare molteplici motivi (in un ordine fisso cioè motif1, motif2, motif3) in un dato file contenente una sequenza proteica.

Answer 1

È possibile utilizzare semplicemente le alternanze (delimitate da |) delle sequenze. In questo modo ogni sequenza che il motore regex può eguagliare sarà.

/($h{4}D$x{4}D|$x{1,4}A{1,2}$s{2})/ 

Poi si può testare questa partita, cercando in $1.

Answer 2

Se si vuole trovare questi motivi in ​​un ordine particolare ma forse separati in qualche modo, si potrebbe usare qualcosa come:.

/$h{4}D$x{4}D .* $s{4}D$q{4}/x 

(/ x consente per gli spazi bianchi nella regex, * corrisponde a zero o più caratteri)

Answer 3

stai cercando solo sottostringhe? se questo è il caso, un paio di regex ti porteranno probabilmente dove devi andare. ma questi tipi di problemi tendono ad intensificarsi rapidamente, molto probabilmente nel set di problemi della settimana prossima. se quest'ultimo è il caso, e avrete bisogno di fare confronti, probabilmente dovrete iniziare a esaminare algoritmi di allineamento dinamico, distanza minima di modifica, allineamento viterbi, hmms e simili.

anche, se avete a che fare con grandi file di input, si potrebbe guardare in pre-compilazione dei regex per una bella spinta di velocità,

perl pre-compiled regexes