Perl：从第一个文件中比较第二个文件的2个文件和打印值的数值

Question

我遇到了一些小故障。我有2个文件，这是这样的：

文件1

chr10 179423 181499 181423 2076 + NM_001202464 ZMYND11 
chr10 693887 696118 695887 2231 + NR_027151 C10orf108 
chr10 694016 696382 696016 2366 + NR_027152 C10orf108 
chr10 1032348 1034467 1034348 2119 + NM_GTPBP4 
chr10 1203707 1205930 1205707 2223 + NR_015376 LINC00200 

文件2

chr10 176225 
chr10 180990 
chr10 181315 
chr10 181529 
chr10 181695 
chr10 182183 
chr10 686673 
chr10 686699 
chr10 688273 
chr10 695323 
chr10 698323 
chr10 722737 
chr10 906075 
chr10 908409 
chr10 928052 
chr10 950429 
chr10 989722 
chr10 1006348 
chr10 1010731 
chr10 1020229 
chr10 1034526 
chr10 1064089 
chr10 1103000 
chr10 1103198 
chr10 1103267 
chr10 1114980 
chr10 1135327 
chr10 1150625 
chr10 1193412 
chr10 1193677 
chr10 1199817 
chr10 1212181 
chr10 1212310 
chr10 1216875 
chr10 1218919 
chr10 1226134 
chr10 1226254 

需要什么

去行方向，为每一位4th element从File1打印从File2出其值是>= 2nd element from file1 & <= (4th element from file1+2000)

因此，例如，在File1，在row1第四元件是。 File2的值为：>= 2nd element from file1（179423）和<= 4th element from file1+2000（183423）是18090,181315,181529,181695,182183。

如果找不到值，应打印NA。

所需的输出

制表符分隔的文件，该文件是这样的：

chr10 179423 181423 183423 NM_001202464 ZMYND11  180990 
                  181315 
                  181529 
                  181695 
                  182183 
chr10 693887 695887 697887 NR_027151 C10orf108  695323 
chr10 694016 696016 698016 NR_027152 C10orf108  695323 
chr10 1032348 1034348 1036348 NM_GTPBP4   1034526 
chr10 1203707 1205707 1207707 NR_015376 LINC00200  NA 

我的代码

我就如何去做毫无本事。起初，有人告诉我，我只需要找到file2中2nd和4th元素file1之间的值。为此，我使用散列编写了以下代码，虽然这些代码虽然有效，但并未完成全部工作。 （在if循环的&&部分没有做什么，我认为应该，所以正在打印的所有较大的值）

下面这段代码是完全无用的：/我在我束手无策，因为我不知道如果在3个月内进入Perl编程，我应该能够编写狡猾的程序。

use 5.014; 
use warnings; 

#Assign filenames 
my $file1 = 'file1.txt' || die $!; #File with TSS coordinates 
my $file2 = 'file2.txt' || die $!; #File with G4 coordinates 

#Open files 
open my $fh1, '<' , $file1 || die $!; 
open my $fh2, '<' , $file2 || die $!; 

#Open output 
open OUT, ">G4_coordinates_promoters$file1.out" || die $!; 

#Read files 
while (<$fh1>) { 
    chomp; 
    my %data1; #Hash for TSS 
    my ($key1, $val1) = (split) [1,3]; 
    $data1{$key1} = $val1; 
    while (<$fh2>) { 
     chomp ; 
     my %data2; #Hash for G4 coordinates 
     my ($key2, $val2) = (split) [1,2]; 
     $data2{$key2} = $val2; 

     #Compare hashes 
     if (($key2 > $key1) && 
      ($key2 << $data1{$key1})){ #Here the code after && is NOT working 
      say OUT $key2 
     } 
    } 
} 

谢谢你去通过我的问题。如果能找到解决这个问题的简单方法，我将不胜感激。

Answer 1

这个程序似乎做你所需要的。

输出是以制表符分隔的格式写入的 - 与输入数据相同 - 因此延续行具有正确数量的制表符，但不与实际行首行对齐。如果你想要不同的东西，请说出来。

file2中的所有值都被拉入数组@file2并从那里进行处理。该代码假定这些值已经排序。

while (<$fh>) { 
    chomp; 
    my @fields = split /\t/; 

    my $min = $fields[1]; 
    my $max = $fields[3] + 2000; 

    my @values; 
    for my $val (@file2) { 
    last if $val > $max; 
    push @values, $val if $val >= $min; 
    } 
    push @values, 'NA' unless @values; 

    for my $val (@values) { 
    print join("\t", @fields, $val), "\n"; 
    $_ = '' for @fields; 
    } 
} 

输出

chr10 179423 181499 181423 2076 + NM_001202464 ZMYND11 180990 
       181315 
       181529 
       181695 
       182183 
chr10 693887 696118 695887 2231 + NR_027151 C10orf108 695323 
chr10 694016 696382 696016 2366 + NR_027152 C10orf108 695323 
chr10 1032348 1034467 1034348 2119 + NM_GTPBP4 1034526 
chr10 1203707 1205930 1205707 2223 + NR_015376 LINC00200 NA