Perl-pomoć

Pozdrav,

zanima me sljedeće (pokušat ću objasnit najbolje šta mogu):

recimo da imam 4 sekvence različitih slova. Želim usporediti prvo slovo prve sekvence (1,1) s prvim slovom druge (2,1), prvo slovo treće (3,1) s prvim četvte (4,1) i tako kroz cijeli niz. Zatim (1,1) i (3,1), (2,1) i (4,1)....(indekse bi promjenila, znam da idu od nule, ali recimo da moja matrica tako na papiru izgleda :))

Da li je to moguće napraviti ako napravim matricu (array of arrays?) [4 x i], tj, da li je moguće kreirati subroutine koja bi kao argument primala 2 varijable i-tog retka i j-tog stupca, usporedila ih i vratila mi true/false.

Znači li to da onda moram imati i više brojača (ako su npr elementi 1. i 3. reda isti, prvi brojač++, ako su el. 1. i 2. isti drugi brojač++) ?

Dakle, da li je to izvedivo, ili moram smislit nešto drugo?

Hvala 

mogu, naravno  

Vidim i ja da nisam to baš najbolje objasnila:

recimo da imam 4 sekvence:

seq A =  S P S Y T F F

seq B =  S S S T T F /

seq C =  S F S S T S Y

seq D =  S Y Y S T S Y

uzmimo 6. stupac:

ako je elemnt na (1,6) jednak elementu na (2,6)

i element (3,6) jednak (4,6)

brojač1++

ako je elemnt na (1,6) jednak elementu na (3,6)

 i element (2,6) jednak (4,6)

brojač2++

ako je elemnt na (1,6) jednak elementu na (4,6)

 i element (2,6) jednak (3,6)

brojač3++

else

ništa se ne događa i ide na sljedeći stupac

Dakle imam 3 brojača, svaki predstavlja jednu mogućnost:

brojač1 je (AB)(BC)

brojač2 je (AC)(BD)

brojač3 je (AD)(BC)

U ovom slučaju, povećat će se brojač1

Ukoliko su svi elementi stupca jednaki ili jedan član fali (mislim da je to odgovor na pitanje 'jesu li sve sekvence iste duljine' :) )- stupac se je 'uninformative' i ne treba vršiti usporedbu.

Kako da to naznačim? Da li da dodam još nešto u if-elsif-else petlju? Ako ostavim petlju ovako kako je za prvi stupac će mi se sva tri brojača povećat za jedan, jel tako?

Je, u pravu si, prvi je (AB)(CD). Sorry :)

Ne znam koliko su duge sekvence,imam 100 fileova, svaki sa po 4 sekvence. Nisam ih otvarala sve, ali mislim da ne moraju biti iste dužine.

Kada ih učitam moram ih 'parse-ati'  da dobijem 'aligned sequence' (unaprijed se ispričavam na ovako trapavim izrazima, ne znam bolje :) )

Time se mislim baviti kasnije, za sada pokušavam pronaći algoritam koji bi brojao ovo sve što sam navela i testirati na nekoj kratkoj sekvenci (kao ova u primjeru), pa ako radi na njoj, valjda će i na nekoj većoj. Programming hint koji sam dobila kaže da se svaka pozicija (dakle svaki stupac) promatra zasebno i da bi bilo pametno napisati subroutine za to.

Ako sam dobro shvatila, kod koji si ti napisao gleda da li su sekvence 100% jednake? 

Stvar je u tome da znam da sekvence nikada neće biti 100% jednake, pa stoga pokušavam naći poziciju(stupac) koji će odgovarati jednome od brojača (problem je iz biologije. Imam četiri redosljeda aminokiselina i želim vidjeti koji od tri stabla (brojači 1 2 3 u primjeru) je ispravan i to u biti moj algoritam pokušava napraviti. Riječ je o principu parsimonije (parsimony) ali bitno pojednostavljeno).

Kasnije ću te brojače dalje uspoređivati i to je u biti glavni dio outputa.

Editirala sam post :)

fajlovi su .fasta format ako to pomaže

Provjerava se ispravnost stabla. Sekvence su sve 'ispravne', ali želimo odrediti koje su vrste 'srodnije'. Pravo stablo bi uključivalo i udaljenosti i još štošta, ali naš primjer je jednostavan :).

Kako znamo koje je stablo ispravno? Najjednostavnije je izbrojati za svako stablo koliko je potrebno supstitucija. Budući da su supstitucije relativno rijetke, stablo koje će zahtjevati najmanje supstitucija najvjerojatnije je ispravno (parsimony).

Dakle, ako su sve 4 AK (aminokiseline) iste-nema supstitucije, ali stablo nam ništa ne govori, dakle--uninformative.

Isto tako, ako fali AK--uninformative.

Ovo dio puno jednostavnije izgleda nacrtano na papiru, a budući da to ne znam napraviti ovdje, morat ćeš mi vjerovat :) Znači, kad sam nacrtala sve moguće kombinacije zaključujem sljedeće:

- ako su sve AK različite, potrebne su tri (ili više) supstitucije koje mogu biti na različitim mjestima u (na) stablu. Dakle, opet ne znamo koje stablo bi tu bilo ispravno

- ako je jedna AK različita potrebna je jedna supstitucija, ali ona može biti bilo gdje i opet ne znamo koje stablo bi bilo ispravno

- slučaj koji sam navela u jednom od prethodnih postova: 2 para AK --jedno stablo će biti ispravno, dakle jedno će zahtjevati manji broj supstitucija od druga dva

 Primjer koji je gore spomenut:

 A   F

 B   F

 C   S

 D   S

Stablo1 (AB)(CD)--   (FF)(SS) kad to nacrtam vidim da je potrebna jedna supstitucija (FF)-supstitucija-(SS)

Stablo2 (AC)(BD)-    (FS)(FS) kad to nacrtam vidima da su potrebne dvije supstitucije koje mogu smjestit na dva različita mjesta

Stablo3 (AD)(BC)-    (FS)(FS) opet 2 supstitucije na dva mjesta

Kad nacrtam sve mogućnosti iz primjera koji sam navela, zaključujem da mi 6 pozicija (stupaca) ne govori koje stablo bi bilo najbolje. Jedino ova pozicija podupire prvi slučaj, dakle Stablo1.

Ja promatram 4 srodne vrse i imam sto gena (100 fasta fajlova). Moram provjerit alignment za svaki gen i odlučiti koje stablo (ako uopće ikoje) je najbolje i zatim zbrojiti 'pogotke' za svako stablo.  Kako bi izbjegli mogućnost da je neko stablo slučajno proglašeno najboljim, broj pogodaka za najbolje stablo mora biti veće od zbroja pogodaka za druga dva.

Nešto ovako: 6 pozicija kaže da je stablo1 najbolje, 1 pozicija za Stablo2, 2 pozicije za Stablo3 (u ovom primjeru sekvenca je bila duga 62 AK, 53 pozicije su bile uninformative, provjeravala sam 9 pozicija,tj.stupaca). 6>(1+2)- stablo 1 je pobjednik :). Da je kojim slučajem zboj bio veći- ne znamo koje je stablo pobjedilo :)

U CPAN-u ima puno toga na ovu temu, ali ovaj primjer je jako pojednostavljen. Da, poanta je vidjet tko će kako to napraviti, pa nam na žalost nije dozvoljeno uopće razgovarat o tome :). Također, koriste neki fancy software za provjeru sličnosti (www.turnitin.com), pa nije preporučljivo ni čupkati djelove koda okolo :)

Tek učim Perl, ali ako ovo uspijem izvest, mislim da bi mi se moglo svidit, pa nastavim :))

Odlično, puno ti hvala!

Moram priznati i da mi puno pomaže kad idem nekome objasniti problem, uvijek primjetim još nekoliko stvari koje nisam uzela u obzir prvi put.

Malo ću ovo prostudirati, sigurno ću se vratiti sa pitanjima :))

P.S. Stabla nam, u biti, predstavljaju brojači. To su one tri kombinacije (AB)(CD)... tako da rutina ide kroz prve članove (ne stabla..stabla nisu sekvence) sve četiri sekvence, uspoređuje ih na načine koje odgovaraju svakom stablu, pa onda kroz druge članove sekvence itd...

Ja sam iz crteža zaključila kada koje stablo pobjeđuje  i to sam postavila kao uvjete u petlju (ako su prvi elementi prvog i drugog retka isti te prvi elementi trećeg i četvrtog-stablo jedan je najbolje itd).  U prethodnom postu sam objasnila (koliko-toliko :) ) kako sam došla do toga kada koje stablo pobjeđuje (onda kada je potrebno najmanje supstitucija).

Pretpostavljam da ima i neki elegantniji način za to izvesti, za sad će poslužiti i ovaj početnički. :)