perl 读取fasta文件

Perl 脚本可以方便地读取 FASTA 文件，FASTA 格式通常用于存储生物序列信息，每条记录由两条信息组成：一条描述性的头信息（以 `>` 开始），紧接着是一段 DNA 或蛋白质序列。以下是使用 Perl 操作 FASTA 文件的基本步骤：

1. 打开文件：使用 Perl 的内置函数 `open` 打开文件，例如 `open(my $fh, '<', 'file.fasta')`，这里假设文件名为 `file.fasta`。

2. 遍历文件：通过循环逐行读取，当遇到 `>` 符号时，意味着新的一条记录开始。你可以使用 `while (my $line = <$fh>)` 循环，并检查 `$line` 是否以 `>` 开始。

3. 解析记录：当找到 `>` 符号时，跳过它并获取接下来的所有非空白字符作为头信息。然后读取直到下一次遇到 `>` 或文件结束的部分，这将是序列部分。

4. 存储数据：将头信息和序列分开保存。头信息通常忽略空格处理，而序列可以作为字符串数组元素存入。

5. 关闭文件：遍历完成后，别忘了关闭文件句柄 `close($fh)`。

这是一个简单的示例代码片段：

#!/usr/bin/perl
use strict;
use warnings;

my $filename = 'file.fasta';
open my $fh, '<', $filename or die "Cannot open file: $!";

my @sequences;
while (my $line = <$fh>) {
    chomp $line; # 去除行尾换行符
    if ($line =~ /^>/) {
        last unless defined $prev_header; # 如果不是第一个记录
        push @sequences, [$prev_header, $sequence];
        $sequence = ""; # 清空上一记录的序列
    } else {
        $sequence .= $line;
    }
    $prev_header = $line;
}

push @sequences, [$prev_header, $sequence] if defined $prev_header; # 最后一条记录可能未完整结束

# 使用@sequences数组处理每个序列对
foreach my $seq (@sequences) {
    my ($header, $sequence) = @$seq;
    print "$header\n$sequence\n";
}

close $fh;