perl应用：六框阅读翻译DNA序列

生物学知识：

1.六框翻译
因为DNA为双链, 平时从NCBI等里面得到的只是其中的一条链,还有一个互补链没有结出. 先从一条链讲起, 如此链为ACGATGCCG....则现在有以下三种读法：第一种，ACG/ATG/CCG.... 第二种，把A看做前面的部分，则为A/CGA/TGC/CG..... 第三种，把AC看做是前面的部分，则为AC/GAT/GCC/G... 只此一条链就有三种读码框。当然，互补链也有其对应的三个读码框，所以两者加起来是六个读码框了。
比如序列：ACGACGACGACGACGACG，可能的读码框就有以下三种:
ACG ACG ACG ACG ACG ACG ACG ACG
CGA CGA CGA CGA CGA CGA CGA CGA
GAC GAC GAC GAC GAC GAC GAC GAC

[plain]
use strict;
use warnings;


my $dna      ='';
my $protein ='';
my @file_data=( );
my @filedata;
my $revcom='';

#打开文件
@filedata = get_file_data();
#得到序列
$dna       = extract_sequence_from_fasta_data(@filedata);

#六框阅读翻译

print "\n---------------------Reading Frame 1-----------------\n";
$protein=translate_frame($dna,1);
print_sequence($protein,70);

print "\n---------------------Reading Frame 2-----------------\n";
$protein=translate_frame($dna,2);
print_sequence($protein,70);

print "\n---------------------Reading Frame 3-----------------\n";
$protein=translate_frame($dna,3);
print_sequence($protein,70);

print "\n---------------------Reading Frame 4-----------------\n";
$protein=translate_frame($dna,4);
print_sequence($protein,70);

print "\n---------------------Reading Frame 5-----------------\n";
$protein=translate_frame($dna,5);
print_sequence($protein,70);

print "\n---------------------Reading Frame 6-----------------\n";
$protein=translate_frame($dna,6);
print_sequence($protein,70);

sub get_file_data
{
    # A subroutine to get data from a file given its filename
    #读取文件的子序列
    my $dna_filename;
    my @filedata;
    print "please input the Path just like this f:\\\\perl\\\\data.txt\n";
    chomp($dna_filename=<STDIN>);
    open(DNAFILENAME,$dna_filename)||die("can not open the file!");
    @filedata     = <DNAFILENAME>;
    close DNAFILENAME;
    return @filedata;#子函数的返回值一定要记住写
}

sub extract_sequence_from_fasta_data
{
    #*******************************************************************
    # A subroutine to extract FASTA sequence data from an array
    # 得到其中的序列
    # fasta格式介绍：
    # 包括三个部分
    # 1.第一行中以>开头的注释行，后面是名称和序列的来源
    # 2.标准单字母符号的序列
    # 3.*表示结尾
    #*******************************************************************

    my (@fasta_file_data) =@_;
    my $sequence =' ';
    foreach my $line (@fasta_file_data)
    {
        #这里忽略空白行
        if ($line=~/^\s*$/)
        {
            next;
        }
        #忽略注释行
        elsif($line=~/^\s*#/)
        {
            next;
        }
        #忽略fasta的第一行
        elsif($line=~/^>/)
        {
            next;
        }
        else
        {
            $sequence .=$line;
        }
    }
    $sequence=~s/\s//g;
    return $sequence;
}

sub print_sequence
{
    # A subroutine to format and print sequence data
    my ($sequence, $length) = @_;
    for (my $pos =0; $pos<length($sequence);$pos+=$length)
    {
        print substr($sequence,$pos,$length),"\n";
    }
}



sub codon2aa
{

    #第三种方法
    #也就是运用哈希
    #我们将所有的密码子作为hash的key，然后将代表的氨基酸作为hash的value
    #然后进行匹配
    # codon2aa
    # A subroutine to translate a DNA 3-character codon to an amino acid
    # Version 3, using hash lookup
    my($codon) = @_;

    $codon = uc $codon;#uc=uppercase;lc=lowercase
                   #也就是大小写转换，uc表示将所有的小写转换为大写    &n

补充：Web开发 , 其他 ,