根据引物切割序列

有时,我们需要判断一对引物对序列的匹配情况,或者更进一步,需要根据引物将匹配的序列片段切割出来。可以用下面的代码实现。

1.下载并安装全局比对软件mafft

软件地址为:https://mafft.cbrc.jp/alignment/software/linux.html
下载mafft_xxx_amd64.deb文件后运行

dpkg -i mafft_xxx_amd64.deb

2.需要的文件

a.被匹配的序列文件,fasta格式

例如,此处的测试文件Adenovirus_genome.fa


Adenovirus_genome.fa

碱基序列可以从NCBI上下载,一条碱基序列可多行书写。

b.引物序列文件,fasta格式,同时包含两条上下游引物

例如,此处的测试文件Adenovirus_primer.fasta


Adenovirus_primer.fasta

3.perl代码段

a.指定预设参数。包含被匹配的序列文件$fa,引物序列文件$ref,上游引物序列号$forid,下游引物序列号$revid,上下游引物允许错配数$cut_limit,引物匹配切割序列向引物上下游延伸长度。

其中,允许错配数是指插入、缺失和错配的总和。当引物实际匹配序列的错配数大于允许错配数时,该序列将被舍弃。

my $fa = "Adenovirus_genome.fa";
my $ref = "Adenovirus_primer.fasta";
my $forid = "AdV-F1";
my $revid = "AdV-R1";
my $cut_limit = 3;
my $move = 0;
b.调整fa文件格式,将每条fa的碱基序列合并为一行
$fa =~ /(.*?)\.[fasta]+$/;
my $name = $1;
open IN, "$fa";
open OUT, ">${name}_trans.fasta";
my $line1 = <IN>;
print OUT $line1;
while(my $line = <IN>){
    chomp $line;
    if($line =~ /^$/){next}
    if($line =~ /^>/){
        print OUT "\n$line\n";
    }else{
        print OUT "$line";
    }
}
close IN;
close OUT;
c.用mafft软件分别对单一fa序列和前后引物序列进行全局比对
open IN1, "${name}_trans.fasta";
my @ids;
unless(-d "tmp"){mkdir "tmp"}
while(my $line = <IN1>){
    chomp $line;
    if($line =~ /^>/){
        $line =~ /^>(\S+)/;
        my $id = $1;
        push @ids, $id;
        open OUT1, ">tmp/$id";
        my $fa = <IN1>;
        chomp $fa;
        print OUT1 "$line\n$fa\n";
        close OUT1;
        `cat $ref >> tmp/$id`;
        `mafft --auto tmp/$id > tmp/${id}_align`;
    }
}
close IN1;
d.整理mafft全局比对结果
if($forid !~ /^>/){$forid = ">$forid"};
if($revid !~ /^>/){$revid = ">$revid"};

foreach my $i(@ids){
    open IN2, "tmp/${i}_align";
    open OUT2, ">tmp/${i}_align_combine";
    my $line1 = <IN2>;
    print OUT2 $line1;
    while(my $line = <IN2>){
        chomp $line;
        if($line =~ /^$/){next}
        if($line =~ /^>/){
            print OUT2 "\n$line\n";
        }else{
            print OUT2 "$line";
        }
    }
    close IN2;
    close OUT2;
}
e.统计前后引物比对情况,然后提取并切割满足条件的序列
open OUT3, ">${name}_cut.fasta";
foreach my $i(@ids){
    open IN3, "tmp/${i}_align_combine" or die "Cannot open tmp/${i}_align_combine: $!";
    my %id2fa;
    # 统计前后引物比对情况
    my($forlen, $revlen, $forend, $revbeg);
    my($forseq, $revseq, $seq, $foralign, $revalign);
    while(my $line = <IN3>){
        chomp $line;
        if($line =~ /$forid/){
            my $fa = <IN3>;
            chomp $fa;
            if($fa =~ /^(-+)/){$forlen = length($1)}else{$forlen = 0}
            if($fa =~ /^(.+?)-+$/){$forend = length($1)}else{$forend = length($fa)}
            $forseq = substr($fa, $forlen, $forend - $forlen);
        }elsif($line =~ /$revid/){
            my $fa = <IN3>;
            chomp $fa;
            if($fa =~ /(.*?)-+$/){$revlen = length($1)}else{$revlen = length($fa)}
            if($fa =~ /^(-+)/){$revbeg = length($1)}else{$revbeg = 0}
            $revseq = substr($fa, $revbeg, $revlen - $revbeg);
        }elsif($line =~ /^>/){
            my $fa = <IN3>;
            chomp $fa;
            $seq = $fa;
            $id2fa{$line} = $fa;
        }
    }
    close IN3;
    
    $foralign = substr($seq, $forlen, $forend - $forlen);
    $revalign = substr($seq, $revbeg, $revlen - $revbeg);
    my($foriden, $forgap, $formis) = &get_match_situation($foralign, $forseq);
    my($reviden, $revgap, $revmis) = &get_match_situation($revalign, $revseq);
    
    # 提取并切割满足条件的序列
    foreach my $k(keys %id2fa){
        my $fa = $id2fa{$k};
        my $startf;
        if($forlen - $move < 0){$startf = 0}else{$startf = $forlen - $move}
        my $fan = substr($fa, $startf, $revlen-$forlen+2*$move);
        my $start = $startf + 1;
        $fan =~ s/-//g;
        my $falen = length($fan);
        my $end = $start + $falen - 1;
        if($forgap + $formis <= $cut_limit and $revgap + $revmis <= $cut_limit and $falen >= 50 + $move * 2){
            my $seqlen = $end - $start + 1;
            print OUT3 "$k ($start, $end, len: $seqlen) ($foriden, $forgap, $formis; $reviden, $revgap, $revmis)\n$fan\n";
        }
    }
}
close OUT3;

# 统计比对情况:插入、缺失和错配。注意排除简并碱基
sub get_match_situation{
    my($seq1, $seq2) = @_[0,1];
    my $len = length($seq1);
    my $gap = 0;
    my $mismatch = 0;
    foreach my $i(0..$len-1){
        my $base1 = uc(substr($seq1, $i, 1));
        my $base2 = uc(substr($seq2, $i, 1));
        if($base1 eq "-" or $base2 eq "-"){
            $gap++;
        }elsif(($base2 =~ /[Rr]/ and $base1 =~ /[AaGg]/) or ($base2 =~ /[Yy]/ and $base1 =~ /[TtCc]/) or ($base2 =~ /[Ww]/ and $base1 =~ /[AaTt]/) or ($base2 =~ /[Ss]/ and $base1 =~ /[CcGg]/) or ($base2 =~ /[Mm]/ and $base1 =~ /[AaCc]/) or ($base2 =~ /[Kk]/ and $base1 =~ /[GgTt]/) or ($base2 =~ /[Bb]/ and $base1 =~ /[CcGgTt]/) or ($base2 =~ /[Dd]/ and $base1 =~ /[AaGgTt]/) or ($base2 =~ /[Hh]/ and $base1 =~ /[AaCcTt]/) or ($base2 =~ /[Vv]/ and $base1 =~ /[AaCcGg]/) or ($base2 =~ /[Nn]/ and $base1 =~ /[AaCcGgTt]/)){
            1;
        }elsif($base1 ne $base2){
            $mismatch++;
        }
    }
    my $match = $len - $gap - $mismatch;
    my $iden = sprintf "%.3f", $match / $len * 100;
    return ($iden, $gap, $mismatch);
}

4.结果

Adenovirus_genome_cut.fasta

“>AF083132.1 Porcine adenovirus 3 strain 6618, complete genome (20909, 21853, len: 945) (95.000, 0, 1; 85.000, 0, 3)”表示引物切割后的序列为原"AF083132.1 Porcine adenovirus 3 strain 6618, complete genome"的20909-21853号碱基片段,长度945bp;上游引物95%匹配,插入缺失碱基数为0,错配数为1;下游引物85%匹配,插入缺失碱基数为0,错配数为3。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,372评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,368评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,415评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,157评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,171评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,125评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,028评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,887评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,310评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,533评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,690评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,411评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,004评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,812评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,693评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,577评论 2 353

推荐阅读更多精彩内容