| 1 | package BioX::Seq::Utils; | ||||||||||
| 2 | |||||||||||
| 3 | 3 | ▶ | use v5.10.1; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 4 | |||||||||||
| 5 | 3 | ▶ | use strict; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 6 | 3 | ▶ | use warnings; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 7 | 3 | ▶ | use Exporter qw/import/; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 8 | |||||||||||
| 9 | 3 | our @EXPORT_OK = qw/ | |||||||||
| 10 | build_ORF_regex | ||||||||||
| 11 | all_orfs | ||||||||||
| 12 | rev_com | ||||||||||
| 13 | is_nucleic | ||||||||||
| 14 | /; | ||||||||||
| 15 | |||||||||||
| 16 | 4 | ▶ | sub build_ORF_regex { | ||||||||
|
Subroutine
build_ORF_regex: called CC=6 SCAR=17.9
Pod
documented
| |||||||||||
| 17 | |||||||||||
| 18 | 4 | my ($mode, $min_len) = @_; | |||||||||
| 19 | |||||||||||
| 20 | 4 | ▶ | die "Missing mode" | ||||||||
|
Branch: 1 branch
| |||||||||||
| 21 | if (! defined $mode); | ||||||||||
| 22 | 3 | ▶ | die "Missing minimum length" | ||||||||
|
Branch: 1 branch
| |||||||||||
| 23 | if (! defined $min_len); | ||||||||||
| 24 | |||||||||||
| 25 | # mode 0 : any set of codons not STOP | ||||||||||
| 26 | # mode 1 : must end with STOP codon | ||||||||||
| 27 | # mode 2 : must start with START codon | ||||||||||
| 28 | # mode 3 : START -> STOP | ||||||||||
| 29 | |||||||||||
| 30 | |||||||||||
| 31 | 2 | my $aasize = int($min_len/3); | |||||||||
| 32 | 2 | ▶ | my $tail_size = $aasize - 1 - ($mode & 0x2 ? 1 : 0); | ||||||||
|
Branch: 1 branch
| |||||||||||
| 33 | 2 | my $codon = ".{3}"; | |||||||||
| 34 | 2 | ▶ | my $first_codon = $mode & 0x2 ? 'A[TU]G' : ''; | ||||||||
|
Branch: 1 branch
| |||||||||||
| 35 | 2 | my $stop_codon = "[TU](?:AA|AG|GA|AR|RA)"; | |||||||||
| 36 | 2 | ▶ | my $last_codon = $mode & 0x1 ? $stop_codon : ''; | ||||||||
|
Branch: 1 branch
| |||||||||||
| 37 | 2 | my $re_orf = qr/ | |||||||||
| 38 | \G # anchor at pos() - forces codon boundaries | ||||||||||
| 39 | (?:$codon)*? # discard codons before start codon | ||||||||||
| 40 | ( # begin matching ORF | ||||||||||
| 41 | $first_codon # match start codon | ||||||||||
| 42 | (?! $stop_codon ) # (but only if not followed by stop codon) | ||||||||||
| 43 | (?: $codon # match codon(s) | ||||||||||
| 44 | (?! $stop_codon ) # (but only if not followed by stop codon) | ||||||||||
| 45 | ) {$tail_size,} # any only if >= $tail_size codons long | ||||||||||
| 46 | $codon # add final codon | ||||||||||
| 47 | ) # end matching ORF | ||||||||||
| 48 | $last_codon | ||||||||||
| 49 | /ix; | ||||||||||
| 50 | |||||||||||
| 51 | 2 | return $re_orf; | |||||||||
| 52 | |||||||||||
| 53 | } | ||||||||||
| 54 | |||||||||||
| 55 | 4 | ▶ | sub all_orfs { | ||||||||
|
Subroutine
all_orfs: called CC=6 SCAR=17.9
Pod
documented
| |||||||||||
| 56 | |||||||||||
| 57 | 4 | my ($seq, $mode, $min_len) = @_; | |||||||||
| 58 | |||||||||||
| 59 | 4 | my $orf_re = build_ORF_regex($mode, $min_len); | |||||||||
| 60 | |||||||||||
| 61 | 2 | my $len = length $seq; | |||||||||
| 62 | 2 | my @orfs; | |||||||||
| 63 | 2 | for my $strand (0..1) { | |||||||||
| 64 | 4 | ▶ | my $str = $strand ? rev_com($seq) : $seq; | ||||||||
|
Branch: 1 branch
| |||||||||||
| 65 | 4 | for my $frame (0..2) { | |||||||||
| 66 | 12 | pos($str) = $frame; | |||||||||
| 67 | 12 | ▶ | while ($str =~ /$orf_re/g) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 68 | 9 | ▶ | my ($s, $e) = map {$strand ? $len-$_+1 : $_} ($-[1]+1, $+[1]); | ||||||||
|
Branch: 1 branch
| |||||||||||
| 69 | 9 | push @orfs, [$1, $s, $e]; | |||||||||
| 70 | } | ||||||||||
| 71 | } | ||||||||||
| 72 | } | ||||||||||
| 73 | |||||||||||
| 74 | 2 | return @orfs; | |||||||||
| 75 | |||||||||||
| 76 | } | ||||||||||
| 77 | |||||||||||
| 78 | 6 | ▶ | sub is_nucleic { | ||||||||
|
Subroutine
is_nucleic: called CC=1 SCAR=0.0
Pod
documented
| |||||||||||
| 79 | |||||||||||
| 80 | 6 | my ($seq) = @_; | |||||||||
| 81 | 6 | return $seq !~ /[^ACGTUMRWSYKVHDBN.-]/i; | |||||||||
| 82 | |||||||||||
| 83 | } | ||||||||||
| 84 | |||||||||||
| 85 | 4 | ▶ | sub rev_com { | ||||||||
|
Subroutine
rev_com: called CC=2 SCAR=6.9
Pod
documented
| |||||||||||
| 86 | |||||||||||
| 87 | 4 | my ($seq) = @_; | |||||||||
| 88 | 4 | $seq =~ tr/Xx/Nn/; | |||||||||
| 89 | 4 | ▶ | die "Bad input sequence" if (! is_nucleic($seq)); | ||||||||
|
Branch: 1 branch
| |||||||||||
| 90 | 3 | $seq = reverse $seq; | |||||||||
| 91 | 3 | $seq =~ tr | |||||||||
| 92 | {ACGTMRWSYKVHDBNacgtmrwsykvhdbn} | ||||||||||
| 93 | {TGCAKYWSRMBDHVNtgcakywsrmbdhvn}; | ||||||||||
| 94 | |||||||||||
| 95 | 3 | return $seq; | |||||||||
| 96 | |||||||||||
| 97 | } | ||||||||||
| 98 | |||||||||||
| 99 | 3 | 1; | |||||||||
| 100 | |||||||||||
| 101 | |||||||||||
| 102 | __END__ | ||||||||||