Bonjour à tous !

Actuellement étudiant en cours de Bio-Informatique, notre prof nous invite à nous auto-former sur différent langage (on aborde le Python uniquement en cours pour l'instant).

Dans le cadre d'un projet d'annotation, j'ai du à partir d'une séquence d'ADN trouvé les zones codantes pour des protéines. Pour faciliter la suite de mon annotation, je doit extraire chacune de ces zones de mon fichier.

Je pensais donc réalisé un petit script en bash me permettant de réaliser ce découpage. Les résultats sont là, mais avant de le soumettre dans mon rapport de projet, j'aurai aimé savoir s'il y avait des erreurs grossières dans la rédaction de celui-ci. Mon fichier initial est un fichier au format FASTA qui se présente comme ceci :

>nom_de_ma_sequence
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD
...

Mon script doit donc me permettre de :

• supprimer la première ligne
• supprimer les retours à la ligne
• extraire ma zone allant de la position START à STOP.

#!/bin/bash

# Linéarisation de la séquence:
read name_seq < $1
tr -d $name_seq < $1 > $1.nohead
tr -d '\n' < $1.nohead > $1.linear

# Découpage selon cartographie génique:
read -p "Combien y a t'il de CDS ? " nb_CDS
nb_CDS=`expr $nb_CDS + 1`
cptr=1
while [ $cptr != $nb_CDS ]
do
       read -p "Codons START de CDS_$cptr " start
       read -p "Codons STOP de CDS_$cptr " stop
       cut -c $start-$stop $1.linear > CDS_$cptr
       cptr=` expr $cptr + 1`
done

# Fusion des CDS en un seul fichier:
more CDS_* > $1_CDS;

# Nettoyage des fichiers intermédiaires:
read -p "Voulez-vous supprimer les fichiers intermédiaire ? O/N " supCDS
echo $supCDS
case $supCDS in
             "O")
                 rm CDS_*
                 rm $1.*
                 ;;
             "o")
                 rm CDS_*
                 rm $1.*
                 ;;
esac

je l’exécute en console en réalisant ./mon_script   mon_fichier_fasta.

Des commentaires ?

EDIT : j'ai ajouté un contrôle que la séquence est bien entrée en argument en amont du script :

# Verification que la séquence est renseignée:
if [ -z $1 ]
then
    echo "Il faut entrer une séquence en parametre : ./decoupage_CDS ma_sequence"
    exit
fi

-
Edité par GG-31 30 octobre 2019 à 19:36:06

salut,

supprimer la première ligne supprimer les retours à la ligne extraire ma zone allant de la position START à STOP.

ça se fait avec sed.

dantonq a écrit:

ça se fait avec sed.

J'ai cherché pas mal de lecture sur sed, et j'ai pas trouvé comment supprimer le retour à la ligne ou extraire une partie de ma ligne en me basant sur les positions des caractères dans la ligne et non pas sur des mots.

Quand je saisie mon START et mon STOP, c'est les positions dans la séquence. Par exemple :

ORF_1   1   207

ORF_2   307   669

...

Du coup je voudrais extraire un "bout" de ma ligne qui fait 7500 caractères correspondant au fragment entre les positions 1 et 207 (avec 207 exclue).

$ start=30
$ length=35
$ echo '>nom_de_ma_sequence
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD' \
   | sed -rn '1d; :a;$!{N;ba;};s/\n//g; s/^.{'$start'}(.{,'$length'}).*/\1/p'
AAAABBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB

-
Edité par dantonq 31 octobre 2019 à 3:50:51