#TCGA系列#利用perl处理肺癌多样本miRNA表达谱

最新推荐文章于 2024-10-27 22:51:17 发布

原创最新推荐文章于 2024-10-27 22:51:17 发布 · 3.3k 阅读

28 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#TCGA #miRNA #perl

生物同时被 2 个专栏收录

4 篇文章

订阅专栏

perl

2 篇文章

订阅专栏

本文介绍如何使用Perl脚本将TCGA肺癌项目的单个样本miRNA表达谱数据整理成矩阵形式，便于后续分析。通过解析文本文档中的RPM值，将数据转换为适合分析的结构。

我们利用第三方工具下载TCGA数据时，可能下载到的是单个样本的miRNA表达谱，如图：前面的序号是样本id
每个文本文档里的数据如图所示：
现在我们想把它的RPM取出来并为矩阵，如图：
这里我们利用perl处理：

#按顺序读取文件夹里的多个文件的文件名，并存入@array数组
my $DIR_PATH="E:/Data/Lung cancaer/miRNA/cancer";
opendir D, ${DIR_PATH};
@array = grep(/\.txt/,readdir D);

#创建几个空数组
my @file_id =();
my @new =();
my @row_name =();

#利用正则表达式将文件名中的样本id号取出，并存入@file_id数组
foreach $file (@array) {
  $file =~ m/.mirbase21./;
  push(@file_id,$`);
}

#创建列名，并存入数组（miR.txt就是前面当个样本中的第一列：miRNA名）
open(input, "E:/Data/miR.txt")or die $!;
while(defined($row=<input>)){
       chomp($row);
       push(@row_name,$row);
}
close input;

#先遍历每个文件，再将每个文件的每行遍历一遍，并将第三列RPM值存入数组@new
foreach $list(@array){
    open(F, "E:/Data/Lung cancaer/miRNA/cancer/$list") or die $!;
    while(defined($line=<F>)){
       chomp();
       @a=split(/\t/,$line);
       push(@new,$a[2]);
     }
}

#将每个样本的第三列列名换为样本id
$m=0;
while($m < 46){
   splice(@new,0+$m*1882,1,$file_id[$m]);
   $m=$m+1;
}

#取出@new数组中的值，注意循环的使用
open(output,">E:/Data/result.txt")or die $!;
$i=0;
while($i < 1882){
   print output "$row_name[$i]"."\t";
   $j=0;
   while($j < 46){
      chomp($new[$i+1882*$j]);
      print output "$new[$i+1882*$j]"."\t";
      $j=$j+1;
   }
   print output "\n";
   $i=$i+1;
}
close output;