Supprimer redondance fichier

Nifaste -
Nifaste - 15 févr. 2012 à 17:36

Bonjour à tous,

J'ai un problème avec la manipulation d'un fichier.
Il se présente sous cette forme :

>pi1
ATGCGTGAAATGCAT
>pi2
TGCCCTGATAGGGACCAGTAGAC
>pi3
ATGCGTGAAATGCATA
>pi4
TGCATGACTA
>pi5
ATGCGTGAAATGCATAT

J'ai mis en gras les séquences ayant la même suite de lettre, et je souhaite garder seulement la plus longue séquence, donc mon nouveau fichier :
>pi5
ATGCGTGAAATGCATAT
>pi2
TGCCCTGATAGGGACCAGTAGAC
>pi4
TGCATGACTA

Je n'ai aucune idée de comment faire ce genre de chose, quelqu'un pourrait m'aider ?

Merci d'avance.

Afficher la suite

2 réponses

Réponse 1 / 2
dubcek Messages postés 18627 Date d'inscription Statut Contributeur Dernière intervention 5 660

hello
la séquence ATGCGTGAAATGCAT est-elle fixe et de longueur constante, ou ça peut etre n'importe quelle séquence et de longueur variable ?
0
1. zipe31 Messages postés 34620 Date d'inscription Statut Contributeur Dernière intervention 6 501
  
  Salut,
  
  Si j'ai bien compris il ne veut garder que l'occurrence la plus longue de chaque séquence présente dans son fichier ;-\
  
  cf son exemple de fichier final (je cite) :
  
  donc mon nouveau fichier : >pi5 ATGCGTGAAATGCATAT >pi2 TGCCCTGATAGGGACCAGTAGAC >pi4 TGCATGACTA
  
  0
2. Nifaste
  
  ca peut etre n'importe quelle sequence, là c'est un exemple ! et de longueur variable oui ....
  
  0
3. dubcek Messages postés 18627 Date d'inscription Statut Contributeur Dernière intervention 5 660
  
  sur quelle longueur faut-il tester, parce qu'on peut dire que pi2 et pi4 commencent par TGC donc on ne devrait garder que pi4
  
  0
4. Nifaste
  
  en fait il faut que la séquence complète soit comprise, donc il aurait fallu que pi4 soit complètement dans pi2 ...
  
  0
5. zipe31 Messages postés 34620 Date d'inscription Statut Contributeur Dernière intervention 6 501
  
  Mais il n'y a pas une longueur minimale ?
  
  0
Réponse 2 / 2
dubcek Messages postés 18627 Date d'inscription Statut Contributeur Dernière intervention 5 660
Ca marche pour cet exmple en testant les 6 premiers caractères.
A tester plus.
```
$ awk '/^>/ {x=$0} /^[A-Z]/ {print $0 , x}' fichier | sort -r | uniq -w 6 | awk '{print $2 "\n" $1}'  
>pi2  
TGCCCTGATAGGGACCAGTAGAC  
>pi4  
TGCATGACTA  
>pi5  
ATGCGTGAAATGCATAT  
$   
```
0
1. zipe31 Messages postés 34620 Date d'inscription Statut Contributeur Dernière intervention 6 501
  
  J'avais la même chose avec "sed" mais sur 5 caractères ;-))
  
  $ sed 'N;s/\n/ /' plop | sort -r -k2 | uniq -f 1 -w 5 | sed 's/ /\n/' >pi2 TGCCCTGATAGGGACCAGTAGAC >pi4 TGCATGACTA >pi5 ATGCGTGAAATGCATAT $
  
  0
2. Nifaste
  
  Merci je vais voir ce que ca donne :)
  
  0

Newsletters