Ein paar Schritte weiter und schon taucht das nächste Problem auf! Hier noch mal ein Auszug der Textdatei, die ich bearbeiten möchte:
NC_014171.1 RefSeq gene 14311 14425 . + . ID=NC_014171.1:rrs_1;locus_tag=BMB171_C5091;db_xref=GeneID:9190898
NC_014171.1 RefSeq exon 14311 14425 . + . ID=NC_014171.1:rrs_1:unknown_transcript_1;Parent=NC_014171.1:rrs_1;gbkey=rRNA;locus_tag=BMB171_C5091;product=5S ribosomal RNA;db_xref=GeneID:9190898;exon_number=1
NC_014171.1 RefSeq gene 14459 15460 . - . locus_tag=BMB171_C0007;db_xref=GeneID:9190899
NC_014171.1 RefSeq CDS 14462 15460 . - 0 locus_tag=BMB171_C0007;transl_table=11;product=hypothetical protein;protein_id=YP_003662545.1;db_xref=GI:296500845;db_xref=GeneID:9190899;exon_number=1
Für meine Frage muss ich wohl etwas ausholen, also hier das gesamt Skript mit Kommentaren:
Perl:
# Task: Extract GeneID-Number from the .Gff file
#!/usr/bin/perl
use strict;
use warnings;
my $in;
my $data;
my @array;
my $array;
my $GeneID;
my @BMB;
my $BMB;
my $flag = 0;
my %hash;
my $hash;
# 1) open the .gff Inputfile and while reading line by line split $data at each tab and put them in the @array
open $in, '<', "Genomteil.gff" or die $!;
while ($data = <$in>) {
@array = split(/\t/, $data);
if ($array [2] =~/gene/){ #wenn 'gene auftaucht, anfangen Daten zu extrahieren)
$flag = 1;
@BMB = ($array[3], $array[4], $array[6]); #extrahierte Daten in neues Array, das später als value ins Hash gespeichert wird
}
if ($array[2] =~/CDS/){
push (@BMB, $array[2]);
#weitere Daten des zu bearbeitenden Blockes extrahieren und Array hinzufügen
} elsif ($array[2] =~/exon/){
push (@BMB, $array[2]);
}
if ($array[8] =~ /.*;db_xref=GeneID:(\d+)\n/) { #wenn GeneID auftaucht, die folgende Nummer extrahieren und als Key in Hash einfügen. Dann das @BMB mit den values zum Hash hinzufügen
$GeneID = $1;
@{$hash {$GeneID}} = @BMB;
}
if ($array [8]=~ /.*;exon_number=1/){ #hier endet der Block mit den wichtigen Daten des ersten Teils meiner Datei
$flag = 0;
}
}
close $in;
while ( ($GeneID, $BMB) = each %hash) {
print "$GeneID => $BMB[0]\n";
}
So, nun meine Erkenntnis: Skript funktioniert soweit, mein Array @BMB wird aber immer wieder mit den Werten des nächsten Abschnitts überschrieben, so dass am Ende nur noch die Daten des letzten Blockes übrig sind (die keys werden allerding alle im Hash gespeichert). Meine Aufgabe um dieses Problem zu lösen lautet nun explizit: Baue einen zweiten flip-flop ein, damit die beiden immer abwechselnd angesprochen werden. Also flip-flop 1 spricht die Daten des ersten Blockes an, und speichert alles im Array, flip-flop 2 erkennt dann, das ein neuer Block mit neuen Daten kommt u.s.w.
Hab mich jetzt durch etliche Foren etc. gegoogelt, aber immer noch keine Idee, wie ich das ins Skript einbauen soll.
Weiß jemand Rat?
Danke euch schon mal.
Lieben Gruß