从核苷酸序列中的每个核苷酸位置开始提取给定长度的所有子串答案

【问题标题】：extract all the substrings of a given length starting from each nucleotide position from a nucleotide sequence从核苷酸序列中的每个核苷酸位置开始提取给定长度的所有子串
【发布时间】：2012-04-24 05:57:32
【问题描述】：

如何从 Perl 语言的 fasta 文件中读取 DNA 序列并将其存储在数组中，并从每个核苷酸位置开始提取给定长度的所有子字符串？我的意思是我想读一个非常大的序列然后将其拆分为从每个核苷酸位置开始的许多序列这意味着第一个序列从第一个核苷酸开始到第七十个然后第二个序列从第二个核苷酸开始到第 71 个，依此类推

【问题讨论】：

请提供一些例子，你到底在寻找什么，并展示一些代码，到目前为止尝试了什么？
什么是fasta文件？我认为在 SO 上使用核苷酸和 DNA 序列的用户并不多。但是，如果您提供更多不需要了解 DNA/核苷酸和“fasta”（无论这意味着什么）的信息，那么许多 perl 黑客将能够回答您的问题。
你搜索过CPAN for bioperl吗？

标签： perl

【解决方案1】：

使用 Bioperl 捆绑发行版中的Bio::SeqIO，我想出了一个示例（如果这是您所追求的）。

#!/usr/bin/perl
use strict;
use warnings;
use Bio::SeqIO;

my $in  = Bio::SeqIO->new(-file   => "fasta.txt",
                          -format => 'Fasta');

while ( my $seq = $in->next_seq() ) {
    print "Sequence ", $seq->id, "\n";
    for my $i (1 .. length($seq->seq) - 10) {
        print $seq->subseq($i,$i+10), "\n";
    }
}


__END__
*** Contents of fasta.txt

>chr1
AACCCCCCCCTCCCCCCGCTTCTGGCCACAGCACTTAAACACATCTCTGC
CAAACCCCAAAAACAAAGAACCCTAACACCAGCCTAACCAGATTTCAAAT
TTTATCTTTAGGCGGTATGCACTTTTAACAAAAAANNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
GCCCATCCTACCCAGCACACACACACCGCTGCTAACCCCATACCCCGAAC
CAACCAAACCCCAAAGACACCCCCCACAGTTTATGTAGCTTACCTCNNNN
>chrM
GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCAT
TTGGTATTTTCGTCTGGGGGGTGTGCACGCGATAGCATTGCGAGACGCTG
GAGCCGGAGCACCCTATGTCGCAGTATCTGTCTTTGATTCCTGCCTCATT
CTATTATTTATCGCACCTACGTTCAATATTACAGGCGAACATACCTACTA
AAGTGTGTTAATTAATTAATGCTTGTAGGACATAATAATAACAATTGAAT
GTCTGCACAGCCGCTTTCCACACAGACATCATAACAAAANAATTTCCACC

【讨论】：