bioperl初步使用

Perl语言的强项就在于文本处理（当然主要是纯文本），而恰好大多数生物信息学数据都是以纯文本的形式存放的（包括蛋白质、核酸等序列文件，序列比对文件，进化树文件等），BioPerl是为了分析、处理这些文本数据文件。生物大分子序列的书写有好多种格式，如Fasta, Genbank, EMBL, SwissProt等。

Fasta是最简单的序列格式，由于BioPerl一般是把从大于号开始一直到第一个空格出现的字段认为是“名称”，所以序列的名字中不要出现空格。eg：>gi|357167855|ref|XM_003581317.1| PREDICTED NAC domain-containing protein 100-like (LOC100841810), mRNA

用BioPerl构造序列

#!/usr/bin/perl -w
use Bio::Seq; #加载Bio::Seq模块。
$seq_obj = Bio::Seq->new; #调用Bio::Seq模块的new方法，可以建立一个序列对象，命名为$seq_obj。
#给这个新建的$seq_obj对象赋予三个属性的值：dispaly_name（序列的名称），desc（序列的描述）以及seq（序列的内容）
$seq_obj->display_name("gi|357167855|ref|XM_003581317.1| PREDICTED");
$seq_obj->desc("NAC domain-containing protein 100-like (LOC100841810), mRNA");
$seq_obj->seq("atgggagacc ");

调用了Bio::Seq模块中的new方法。对于调用面向对象的模块的方法（以前说“函数”，在OO术语中称“方法”）要使用“全名”的方式来调用，语法是：模块名（Bio::Seq）+瘦箭头（->）+方法名（new）。所有面向对象的模块都有一个叫做“new”的方法，它的功能简单且重要：创建一个新的对象。

#!/usr/bin/perl -w
use Bio::Seq;

$seq_obj = Bio::Seq->new( -display_name => "gi|357167855|ref|XM_003581317.1| PREDICTED",
-desc => "NAC domain-containing protein 100-like (LOC100841810), mRNA",
-seq => "atgggagacc"
);

三个属性：display_name, desc, seq，即所谓fasta序列的“三要素”：名称、描述和序列。