-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathFind_retro_gene.pl
176 lines (146 loc) · 5.89 KB
/
Find_retro_gene.pl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
#!/usr/bin/perl -w
use strict;
open Solar, "$ARGV[0]"||die '!';
open Tab, "$ARGV[1]"||die '!';
open Struc, "$ARGV[2]"||die '!';
open OUT, ">$ARGV[3]"||die '!';
#gene_16 306 1 306 + gene_16 306 1 306 1 306 1,306; 1,306; +306;
#gene_25 441 1 441 + gene_25 441 1 441 1 441 1,441; 1,441; +441;
#gene_25 441 1 441 + gene_29 513 73 513 1 439 1,441; 73,513; +439;
#GSTENP00007700001_Un_random_87000001-117000000_17855502_17856653 1877
#GSTENP00019920001_Un_random_145000001-175000000_18410084_18410908 1832
#250 0 0 0 0 0 0 0 + AY374475 250 1 250 AY374475_10_8560829_8562487 10000000 1001 2659 6 37,43,24,39,53,51, 1,39,83,107,147,200, 1001,1471,1727,1990,2184,2507, 1112,1603,1799,2107,2344,2659,
my %tab;
while (<Tab>) {
chomp;
my @infor=split;
$tab{"gene_$infor[1]"}=$infor[0];
}
close Tab;
my %exon_num;
my %block_start;
my %block_end;
my %block_num;
while (<Struc>) {
chomp;
my @infor=split;
$exon_num{$infor[13]}=$infor[17];
my @tmp_start=split /,/,$infor[20];
my @tmp_end=split /,/,$infor[21];
$block_num{$infor[13]}=@tmp_start;
for (my $i=0;$i<@tmp_start ;$i++) {
my $size=$tmp_end[$i]-$tmp_start[$i];
if ($i==0) {$block_start{$infor[13]}->[$i]=1;}
else
{$block_start{$infor[13]}->[$i]=$block_end{$infor[13]}->[$i-1]+1;}
$block_end{$infor[13]}->[$i]=$block_start{$infor[13]}->[$i]+$size;
#print "$i\t",$block_start{$infor[13]}->[$i],"\t",$block_end{$infor[13]}->[$i],"\t$size\n";
}
}
close Struc;
my %align_start;
my %align_end;
my %char;
while (<Solar>) {
chomp;
my %align_exon_num=();
my $overlap_len;
my @infor=split;
my $rough;
my @tmp_2 = split(/[\,\;]/,$infor[11]);
unshift(@tmp_2,"1");
@tmp_2 = &cat(@tmp_2);
for(my $i=0;$i<$#tmp_2;$i+=2)
{
$rough += $tmp_2[$i+1] - $tmp_2[$i] + 1; #去除每个片段overlap的比到的实际长度
}
if ($infor[0] eq $infor[5]) {next;}
if ($exon_num{$tab{$infor[0]}}!=1){next;}
if ($exon_num{$tab{$infor[5]}}==1) {if($rough/$infor[1]>0.6){$char{$tab{$infor[0]}}=1};next;}
my @tmp = split/[\,\;]/,$infor[12];
unshift(@tmp,"1");
@tmp = &cat(@tmp);
my $count=0;
for (my $i=0;$i<@tmp-1 ;$i+=2) {#query的每一个blcok和database的gene结构作比较
$align_start{$tab{$infor[5]}}->[$count]=$tmp[$i];
$align_end{$tab{$infor[5]}}->[$count]=$tmp[$i+1];
for (my $j=0;$j<$block_num{$tab{$infor[5]}} ;$j++) {#一个exon一个exon的比
if (!($align_start{$tab{$infor[5]}}->[$count]>$block_end{$tab{$infor[5]}}->[$j] or $align_end{$tab{$infor[5]}}->[$count]<$block_start{$tab{$infor[5]}}->[$j]))
{#若和其中一个exon有overlap，计算overlap的长度
if ($align_start{$tab{$infor[5]}}->[$count]>=$block_start{$tab{$infor[5]}}->[$j] and $align_end{$tab{$infor[5]}}->[$count]<=$block_end{$tab{$infor[5]}}->[$j])
{$overlap_len=$align_end{$tab{$infor[5]}}->[$count]-$align_start{$tab{$infor[5]}}->[$count]+1;}#比对的区域完全落入一个exon的情况
elsif($align_start{$tab{$infor[5]}}->[$count]<=$block_end{$tab{$infor[5]}}->[$j] and $align_end{$tab{$infor[5]}}->[$count]>=$block_end{$tab{$infor[5]}}->[$j])
{$overlap_len=$block_end{$tab{$infor[5]}}->[$j]-$align_start{$tab{$infor[5]}}->[$count]+1;}
elsif($align_start{$tab{$infor[5]}}->[$count]<=$block_start{$tab{$infor[5]}}->[$j] and $align_end{$tab{$infor[5]}}->[$count]>=$block_start{$tab{$infor[5]}}->[$j])
{$overlap_len=$align_end{$tab{$infor[5]}}->[$count]-$block_start{$tab{$infor[5]}}->[$j]+1;}
elsif($align_start{$tab{$infor[5]}}->[$count]<=$block_start{$tab{$infor[5]}}->[$j] and $align_end{$tab{$infor[5]}}->[$count]>=$block_end{$tab{$infor[5]}}->[$j])
{$overlap_len=$block_end{$tab{$infor[5]}}->[$j]-$block_start{$tab{$infor[5]}}->[$j]+1;}
else {print "Wrong!!!!!!!!!!!!!!!!!!!!!!\n";die '!';}
if ($overlap_len>=20) {#overlap的长度超过20bp，认为比到了一个exon
$align_exon_num{"$block_start{$tab{$infor[5]}}->[$j]\t$block_end{$tab{$infor[5]}}->[$j]"}=1;#防止一个exon分2段比到同一个exon误判的情况
print "$tab{$infor[0]}\t$tab{$infor[5]}\t",$align_start{$tab{$infor[5]}}->[$count],"\t",$align_end{$tab{$infor[5]}}->[$count],"\t",$block_start{$tab{$infor[5]}}->[$j],"\t",$block_end{$tab{$infor[5]}}->[$j],"\n";
}
}
}
$count++;
}
if ((keys %align_exon_num)>1) {#若比到>=2个exon，则输出
if (!exists $char{$tab{$infor[0]}}){$char{$tab{$infor[0]}}=0;}
print OUT "$tab{$infor[0]}_$infor[0]\t$infor[1]\t$infor[2]\t$infor[3]\t$infor[4]\t$tab{$infor[5]}_$infor[5]\t";
for (my $i=6;$i<=13;$i++){print OUT "$infor[$i]\t";}
print OUT "$char{$tab{$infor[0]}}\n";
}
#last;
}
sub cat
#function:quit redundance
#input:($para,@array), para is the merge length
#output:(@array),
#for example (0,1,3,4,7,5,8)->(1,3,4,8) (1,1,3,4,7,5,8)->(1,8)
{
my($merge,@input) = @_;
my $i = 0;
my @output = ();
my %hash = ();
my $each = 0;
my $begin = "";
my $end = 0;
my $Qb = 0;
my $Qe = 0;
my $temp = 0;
for ($i=0;$i<@input;$i+=2)
{
$Qb = $input[$i];
$Qe = $input[$i+1];
if($Qb > $Qe) { $temp = $Qb; $Qb = $Qe; $Qe = $temp; }
if(defined($hash{$Qb})) { if($hash{$Qb} < $Qe) { $hash{$Qb} = $Qe; } }
else { $hash{$Qb} = $Qe; }
$Qb = 0;
}
foreach $each (sort {$a <=> $b} keys %hash)
{
if($begin eq "")
{
$begin = $each;
$end = $hash{$each};
}
else
{
if($hash{$each} > $end)
{
if($each > $end + $merge)
{
push(@output,$begin);
push(@output,$end);
$begin = $each;
$end = $hash{$each};
}
else { $end = $hash{$each}; }
}
}
}
push(@output,$begin);
push(@output,$end);
%hash = ();
return(@output);
}