呼叫

Question

好了，所以我有一堆具有以下兩個格式中的一個文件名的：

採樣ID_Adapter-Sequence_L001_R1_001.fastq（如正向）

採樣ID_Adapter- Sequence_L001_R2_001.fastq（作爲反向）

正向和反向格式之間的唯一區別是文件名中的R1和R2元素。現在，我已經成功地使用戶能夠提供包含與下面的腳本，這些文件的目錄：

#!/usr/bin/perl 
use strict; 
use warnings; 

#Print Directory 

print "Please provide the directory containing the FASTQ files from your Illumina MiSeq run \n"; 
my $FASTQ = <STDIN>; 
chomp ($FASTQ); 

#Open Directory 

my $dir = $FASTQ; 
opendir(DIR, $dir) or die "Cannot open $dir: $!"; 
my @forwardreads = grep { /R1_001.fastq/ } readdir DIR; 
closedir DIR; 

my $direct = $FASTQ; 
opendir(DIR, $direct) or die "Cannot open $dir: $!"; 
my @reversereads = grep { /R2_001.fastq/ } readdir DIR; 
closedir DIR; 

foreach my $ffile (@forwardreads) { 
    my $forward = $ffile; 
    print $forward; 
    } 

foreach my $rfile (@reversereads) { 
    my $reverse = $rfile; 
    print $reverse; 
    } 

的問題

我想用上面的腳本做的是找到一種方法，將兩個數組的元素進行配對，這些元素來自相同的Sample ID。就像我說的，正向文件和反向文件（來自同一個樣本ID）之間的唯一區別是文件名的R1和R2部分。

我試過查找方法從數組中提取元素，但我想讓程序做匹配而不是我。

感謝您的閱讀，我希望你們能幫忙！

Answer 1

您必須解析出文件名。幸運的是，這非常簡單。剝離分機後，您可以split上的零件_。

# Strip the file extension. 
my($suffix) = $filename =~ s{\.(.*?)$}{}; 

# Parse Sample-ID_Adapter-Sequence_L001_R1_001 
my($sample_id, $adapter_sequence, $uhh, $format, $yeah) = split /_/, $filename; 

現在，你可以做他們喜歡的東西。

我會建議幾件事情來改善代碼。首先，將文件名解析放入一個函數中，以便可以重複使用並保持主代碼更簡單。其次，將文件名解析爲一個散列，而不是一堆標量，這將更容易處理和傳遞。最後，將文件名本身包含在該散列中，然後該散列包含完整的數據。這，順便說一句，是OO編程的門戶藥物。

sub parse_fastq_filename { 
    # Read the next (in this case first and only) argument. 
    my $filename = shift; 

    # Strip the suffix 
    my($suffix) = $filename =~ s{\.(.*?)$}{}; 

    # Parse Sample-ID_Adapter-Sequence_L001_R1_001 
    my($sample_id, $adapter_sequence, $uhh, $format, $yeah) = split /_/, $filename; 

    return { 
     filename   => $filename, 
     sample_id   => $sample_id, 
     adapter_sequence => $adapter_sequence, 
     uhh     => $uhh, 
     format    => $format, 
     yeah    => $yeah 
    }; 
} 

然後，不要單獨尋找左右格式化的文件，在一個循環中處理所有內容。將匹配的左對和右對置於散列中。使用glob只能拿起.fastq文件。

# This is where the pairs of files will be stored. 
my %pairs; 

# List just the *.fastq files 
while(my $filename = glob("$FASTQ_DIR/*.fastq")) { 
    # Parse the filename into a hash reference 
    my $fastq = parse_fastq_filename($filename); 

    # Put each parsed fastq filename into its pair 
    $pairs{ $fastq->{sample_id} }{ $fastq->{format} } = $fastq; 
} 

然後你可以用%pairs做你喜歡的。以下是一個打印每個樣品ID及其格式的示例。

# Iterate through each sample and pair. 
# $sample is a hash ref of format pairs 
for my $sample (values %pairs) { 
    # Now iterate through each pair in the sample 
    for my $fastq (values %$sample) { 
     say "$fastq->{sample_id} has format $fastq->{format}"; 
    } 
}