1.11: الأنماط (التعبيرات العادية) - علم الأحياء

في الفصول السابقة ، استخدمنا بسيطًا fasta_stats برنامج لإجراء تحليلات أساسية على ملف FASTA يسمى pz_cDNAs.fasta، في الغالب كذريعة للتعرف على التدفقات القياسية والأدوات مثلgrepونوع. اتضح أن المعلومات الموجودة فيpz_cDNAs.fastaيزودنا الملف بالعديد من الأسئلة المحتملة للتفكير فيها.

التسلسلات الموجودة في هذا الملف هي في الواقع مجموعة فرعية من النصوص المفترضة ، تم إنتاجها من مجموعة نسخ دي نوفو للفراشة بابيليو زيليكون. يشفر كل سطر رأس تسلسل مجموعة متنوعة من المعلومات: يكشف العمودان الثاني والثالث من خطوط الرأس عن عدد القراءات التي تساهم في كل تسلسل مُجمَّع ومتوسط ​​تغطية التسلسل (يُعرَّف بأنه العدد الإجمالي للقواعد التي ساهمت بها القراءات ، مقسومًا على طول التسلسل المجمع). حتى معرّفات التسلسل تشفر بعض المعلومات: تبدأ جميعها بمعرّف شبه عشوائي ، لكن بعضها له لاحقة مثل_TY.

مجموعات التسلسلات التي تشترك في نفس الشيء_تم تحديد اللاحقة سابقًا على أنها تحتوي على تطابقات مشتركة باستخدام انفجار ذاتي. لا تحتوي معرفات التسلسل التي لا تحتوي على هذه اللاحقة على مطابقات. قد نسأل: كم عدد التسلسلات في مثل هذه المجموعة؟ يمكن الإجابة على هذا بسهولة عن طريق الاستخدام الأولgrepلاستخراج الأسطر المطابقة>(خطوط الرأس) ، ثم استخدام آخرgrepلاستخراج تلك ذات النمط_(هؤلاء في مجموعة) قبل إرسال النتيجة إلىمرحاض.

قد يكون السؤال الأكثر تعقيدًا هو طرح عدد المجموعات المختلفة الممثلة في الملف. إذا تم تخزين معلومات المجموعة في عمود منفصل (على سبيل المثال ، العمود الثاني) ، فيمكن الإجابة على هذا السؤال بنفس العملية المذكورة أعلاه ، متبوعًا بعلامةفرز -k2،2d -uلإزالة معرّفات المجموعة المكررة. ولكن كيف يمكننا فرض معلومات المجموعة في عمودها الخاص؟ يمكننا القيام بذلك عن طريق أستعاض حالات_بمسافات. السيديمكن أن تساعدنا أداة (Stream EDitor). إليك خط الأنابيب العام الذي سنستخدمه:

وهنا بعض المخرجات ، حيث يتم تمثيل التسلسلات في المجموعات فقط ويتم تمثيل كل مجموعة مرة واحدة فقط (استبدالأقل -Sمعمرحاضسيحسب عدد المجموعات):

السيدالأداة عبارة عن برنامج متطور لتعديل الإدخال (إما من ملف أو إدخال قياسي) وطباعة النتائج إلى الإخراج القياسي:sed '<برنامج>' <ملف>أو... | سيد "<برنامج>".

يحبawk,سيديعود تاريخه إلى سبعينيات القرن الماضي ويقدم مجموعة كبيرة ومتنوعة من الميزات القوية وبناء الجملة ، وسنغطي جزءًا صغيرًا منها هنا. على وجه الخصوص ، سنركز علىسأو عملية الاستبدال.

ال-rالخيار الذي استخدمناه يتيحسيدنعلم أننا نريد تحديد النمط الخاص بنا من خلال بناء جملة "التعبير العادي الممتد POSIX".^[1] النمط العام لبرنامج الاستبدال هوs / <نمط> / <الاستبدال> / ز، أين الزيحدد أنه ، لكل سطر ، يجب استبدال كل مثيل من النمط. يمكننا بدلا من ذلك استخدام1في هذه البقعة للإشارة إلى أنه يجب استبدال المثال الأول فقط ،2للإشارة إلى الثانية فقط ، وهكذا. غالبا،s / <نمط> / <الاستبدال> /يستخدم ، لأنه له نفس المعنى مثلs / <نمط> / <الاستبدال> / 1.^[2]

التعبيرات العادية

القوة الحقيقية لـسيدلا يأتي من قدرته على استبدال النص ، ولكن من فائدته في استبدال النص بناءً على "الأنماط" أو ، بشكل أكثر رسمية ، التعبيرات العادية. التعبير العادي هو بناء جملة لوصف تطابق النمط في السلاسل. يتم وصف التعبيرات العادية بواسطة الأحرف الفردية التي تشكل النمط المراد البحث عنه ، و "العوامل الوصفية" التي تعدل أجزاء من النمط من أجل المرونة. في[دردشة، على سبيل المثال ، تعمل الأقواس كعامل meta-عامل يعني "أحد هذه الأحرف" ، وهذا النمط يتطابق مع كليهماقطوقبعة، لكن لادردشة. غالبًا ما تُبنى التعبيرات العادية عن طريق تسلسل التعبيرات الأصغر ، كما هو الحال في[ch] في الساعة [mh] في، مطابقةقطة على القبعة,قطة على الحصيرة,قبعة على القبعة، وقبعة على السجادة.

في المثال أعلاه ، تم تحديد النمط بأكمله بواسطة_، وهي ليست عامل تشغيل من أي نوع ، وبالتالي فإن كل مثيل من_تم استبداله بالبديل (حرف مسافة). تعد عوامل التعريف التي تدعمها التعبيرات العادية كثيرة ومتنوعة ، ولكن إليك قائمة أساسية جنبًا إلى جنب مع بعض الأمثلة المستوحاة من الناحية البيولوجية:

• أحرف أو سلاسل غير وصفية
  • يتم ببساطة مطابقة معظم الشخصيات التي لا تعمل بطريقة وصفية. على سبيل المثال،_اعواد الكبريت_,أاعواد الكبريتأ، وATGيطابق كودون البداية. (حقيقة،ATGهي ثلاثة أنماط فردية محددة في صف واحد.) عندما تكون في شك ، فمن الآمن عادةً الهروب من حرف (عن طريق إضافة شرطة مائلة للخلف) لضمان تفسيرها حرفياً. على سبيل المثال،[_]يطابق السلسلة الحرفية[_]، بدلاً من استخدام الأقواس كمشغلات وصفية.
• .
  • النقطة تطابق أي حرف واحد. على سبيل المثال،نسخة.يطابق أي P codon (CCA,CCT,CCG,CCC) ، ولكن أيضًا سلاسل مثلCCXونسخة٪.
• [<مجموعة>]
  • يتطابق مع أي حرف واحد محدد في<charset>. على سبيل المثال،براعة]يطابق رمز Y (تاكأوتات).
• [^ ]
  • وضع أ^حيث أن الحرف الأول داخل أقواس أحرف ينفي المعنى ، مثل أن أي حرف واحد ليس المسمى بين قوسين متطابقتين.TA [^ CT]اعواد الكبريتتات,بطاقة شعار,تا٪، وما إلى ذلك ، ولكن ليستاكأوتات.
• ^(خارج[])
  • وضع أ^خارج أقواس الأحرف تتطابق مع بداية سلسلة الإدخال أو السطر. استخدامsed -r 's / ^ ATG / XXX / g'، على سبيل المثال ، يستبدل كل مثيلات رموز البداية بـXXX، ولكن فقط إذا كانت موجودة في بداية السطر.
• $
  • مشابه ل^، لكن$يطابق نهاية السلسلة أو السطر. وبالتالي،sed -r 's / ATG $ / XXX / g'يستبدل جميع أكواد البداية الموجودة في نهاية سطور كل منها.

حتى الآن ، لم تكن أنماطنا بهذه المرونة حقًا ، لأن معظم القطع التي تمت تغطيتها حتى هذه النقطة تتطابق مع حرف واحد. العاملات الفوقية الخمس التالية تحل هذا القيد.

• {س ، ص}
  • يعدل النمط السابق بحيث يتطابق إذا حدث بينهماxوذمرات متتالية ، شاملة. على سبيل المثال،[GC] {4،8}يتطابق مع أي سلسلة من أحرف C و / أو G تتكون من أربعة إلى ثمانية أحرف (تصوير لثمانية أحرف ، إن أمكن). وبالتالي،sed -r 's / [GC] {4،8} / _ X_ / g'ستؤدي إلى الاستبدالات التالية:
    • أتككجتكتإلىأتككجتكت(لا بديل)
      أتككجكجكتكإلىAT_X_TC
أتكجكجكجككجتكججككتإلىAT_X_CCGTT_X_T
  • استخدام{0,1}له تأثير جعل ما يليه اختياريًا في النموذج ، و{س ،}له تأثير السماح للنمط بالمطابقةxأو أكثر من دون حد أقصى.
• *
  • تقوم العلامة النجمية بتعديل النمط السابق بحيث يتطابق إذا حدث صفر أو مرات أكثر ؛ وبالتالي فهو يعادل{0,}.

    استخدام*يستحق مثالاً مفصلاً. ضع في اعتبارك النمطATG [ATGC] * TGA، أينATGهو نمط رمز البدء ،[ATGC] *يشير إلى صفر أو أكثر من قواعد الحمض النووي على التوالي ، وTGAهي واحدة من أكواد الإيقاف الأساسية. يتطابق هذا النمطATGTACCTTGA، وكذلك المطابقاتATGTGA(حيث تم مطابقة الجزء الأوسط صفر مرة).

• +
  • تعدل علامة الجمع النمط السابق بحيث تتم مطابقتها مرة واحدة أو أكثر ؛ إنه يعادل{1,}. على عكس المثال أعلاه ،ATG [ATGC] + TGAاعواد الكبريتATGTACCTTGAوATGCTGA، لكن لاATGTGA.
• (<نمط>)
  • يمكن استخدام الأقواس لتجميع تعبير أو سلسلة من التعبيرات في وحدة واحدة بحيث يمكن تشغيلها معًا. لأنفيهو النمطأتليهاتي، على سبيل المثال،في +اعواد الكبريتفي,ATT,ATTT، وما إلى ذلك وهلم جرا. إذا أردنا التطابق بدلاً من ذلكفييتكرر ، قد نرغب في تحديد نمط مثل(AT) +الذي يطابقفي,أتات,أتات، وما إلى ذلك وهلم جرا. تقوم الأقواس أيضًا "بحفظ" السلسلة التي تمت مطابقتها بداخلها لاستخدامها لاحقًا. يُعرف هذا بالإحالة الخلفية ، تمت مناقشته أدناه.
• <pattern x>|<pattern y>
  • تطابق أي من النمط<pattern x>أو النمط<pattern y>. يمكن ربط العديد من هذه الأنماط أو العمليات ؛ على سبيل المثال،TAA | TAG | TGAيطابق أيًا من أكواد الإيقاف الثلاثة المتعارف عليها. هذا المثال غامض بعض الشيء ، على الرغم من ذلك: هل يقرأ هذا النمط "TA (A أو T) A (G أو T) GA" أو "TAA أو TAG أو TGA"؟ لجعله ملموسًا ، ربما نرغب في تحديده على هذا النحو((TAA) | (TAG) | (TGA)).

باستخدام هذه القطع ، يمكننا تجميع تعبير عادي يعمل بمثابة مكتشف إطار قراءة بسيطًا (وليس مفيدًا في الواقع). بالنسبة للتسلسلات بدائية النواة (حيث لا يتم اعتبار الإنترونات) ، سنعرّفها على أنها كودون البدايةATG، متبوعًا برمز واحد أو أكثر ، متبوعًا بواحد من أكواد الإيقاف الثلاثة المتعارف عليهاTAA,بطاقة شعار، أوTGA. نمط البداية هوATG، ورأينا كيف يمكننا ترميز نقطة توقف أعلاه ، مع((TAA) | (TAG) | (TGA)). ماذا عن "كودون واحد أو أكثر؟" حسنًا ، تم تجسيد "واحد أو أكثر" في+عامل التشغيل ، والشفرة هي أي ثلاثة أ ، أو ت ، أو ج ، أو ج. لذلك ، يتم ترميز "واحد أو أكثر من الكودونات" كـ([ACTG] {3،3}) +. وبالتالي ، فإن التعبير المعتاد لبرنامج البحث عن إطار القراءة المفتوح البسيط هو:

في الواقع ، لا تُستخدم التعبيرات النمطية غالبًا في البحث عن مناطق الترميز (على الرغم من أنها تُستخدم أحيانًا لتحديد الأشكال الأصغر). جزء من السبب هو أن التعبيرات النمطية ، بشكل افتراضي ، جشع: يتطابقون مع النمط الذي يحدث لأول مرة ، ويسعون لمطابقة أكبر قدر ممكن من السلسلة. (الآلية الخلوية التي تعالج إطارات القراءة المفتوحة ليست جشعة بهذه الطريقة.) ضع في اعتبارك التسلسل التالي ، الذي يحتوي على ثلاثة إطارات قراءة مفتوحة وفقًا لتعريفنا البسيط والتعبير العادي أعلاه.

لاحظ أن السلسلةبطاقة شعاركلاهما نوع من الكودون بشكل عام ([ACTG] {3،3}) وإيقاف ، لذلك من الناحية الفنية كلا الخيارين الأولين صالحان وفقًا للتعبير العادي. وفقًا لقواعد الجشع ، سيتم مطابقة الأول ، والذي يمكننا التحقق منه ببساطةصدى صوتوسيد.

صيغة التعبير النمطي المستخدمة بواسطةسيديشبه بناء الجملة المستخدم في لغات مثل Perl و Python و R. في الواقع ، كل الأمثلة التي رأيناها حتى الآن ستعمل بنفس الطريقة في تلك اللغات (على الرغم من أنها تُطبق من خلال وظائفها المحددة بدلاً من دعوة لسيد). إحدى الميزات المفيدة التي توفرها محركات التعبير العادي الأكثر حداثة مثل هذه هي أن المشغلين يحبونها*و+يمكن جعلهم غير شرعيين (على الرغم من أنني أفضل المصطلح الأكثر وضوحًا "متردد") من خلال اتباعهم بعلامة استفهام. في بايثون ، التعبير النمطيATG ([ACTG] {3،3}) +؟ ((TAA) | (TAG) | (TGA))سيطابق الخيار الثاني. (عندما لا تتبع ملف*، أو+، يجعل الخيار السابق اختياريًا ؛ هكذاTG (T)؟ CCيعادلTG (T) {0،1} CC.) تسمح الميزات الأكثر تعقيدًا للمستخدم بالوصول إلى جميع تطابقات النمط ، حتى لو كانت متداخلة ، بحيث يمكن سحب أكثرها إرضاءً من خلال بعض المعايير الثانوية. لسوء الحظ،سيدلا يدعم المطابقة غير الشرعية والعديد من ميزات التعبير العادي المتقدمة الأخرى.

فئات الأحرف والتعبيرات العادية في أدوات أخرى

غالبًا ما نرغب في استخدام أقواس الأحرف لمطابقة أي فئة من "فئة" الأحرف ؛ على سبيل المثال،[0123456789]يطابق أي رقم واحد. معظم تراكيب التعبيرات العادية (بما في ذلك تلك المستخدمة بواسطةسيد) السماح بنسخة مختصرة[0-9](إذا أردنا مطابقة 0 أو 9 أو - فقط ، فيمكننا استخدام[09-]). بصورة مماثلة،[a-z]يتطابق مع أي حرف صغير منفرد ، و[أ-ي]أي حرف كبير. يمكن حتى الجمع بين هذه:[A-Za-z0-9]يتطابق مع أي رقم أو حرف. في صيغة POSIX الموسعة المستخدمة من قبلسيد,0-9يمكن أيضًا تحديدها كـ[: رقم:]. لاحظ عدم وجود أقواس في السابق — لمطابقة أي رقم فردي فعليًا ، يكون التعبير النمطي كذلك[[: رقم:]](وهو أمر مزعج نعم). لمطابقة أي غير رقم ، يمكننا رفض المجموعة الموضوعة بين قوسين على النحو التالي[^ [: رقم:]].

تعد فئات أحرف POSIX مفيدة بشكل خاص عندما نريد مطابقة أنواع الأحرف التي يصعب كتابتها أو تعدادها. خاصه،[[:فضاء:]]يطابق أحد أي حرف مسافة بيضاء (مسافات ، وعلامات جدولة ، وأسطر جديدة) ، و[[: نقطة:]]يتطابق مع أي حرف "علامات ترقيم" ، يوجد عدد قليل منها. ال[[:فضاء:]]تعد فئة الأحرف مفيدة بشكل خاص عندما تقوم بإعادة تنسيق البيانات المخزنة في صفوف وأعمدة ولكنك غير متأكد مما إذا كانت فواصل الأعمدة عبارة عن مسافات أو علامات تبويب أو تركيبة ما.

في العديد من صيغ التعبيرات النمطية (بما في ذلك تلك المستخدمة بواسطة Perl و Python و R وبعض إصداراتسيد) ، حتى الاختصارات الأقصر لفئات الأحرف متوفرة. في هذه،ديعادل[[: رقم:]],ديعادل[^ [: رقم:]],سل[[:فضاء:]],سل[^ [: مسافة:]]، من بين أمور أخرى.

كما اتضح ، يمكن استخدام التعبيرات النمطية بواسطةgrepإلى جانبawk. عند استخدامgrep، يمكننا تحديد أن النمط يجب أن يُعامل كتعبير عادي ممتد عن طريق إضافة العلم-E(على عكس-rيستعمل لسيد.) هكذاgrep -E '[[: digit:]] +'يستخرج الأسطر التي تحتوي على عدد صحيح.

فيawk، يمكننا استخدام~المقارنة بدلاً من==المقارنة في عبارة if ، كما فيawk "{if ($ 1 ~ / PZ718 [[: digit:]] + /) {print $ 3}}"، الذي يطبع العمود الثالث من كل سطر حيث يتطابق العمود الأول مع النمطPZ718 [[: digit:]] +.

وفقًا للتعريف أعلاه لخطوط الرأس في ملفpz_cDNAs.fastaملف ، يجب أن تكون المعرفات قابلة للتمييز كمعرف شبه عشوائي متبوعًا ، اختياريًا ، بشرطة سفلية ومجموعة من الأحرف الكبيرة تحدد المجموعة. استخدامgrep '>'لاستخراج خطوط الرأس فقط ، يمكننا فحص ذلك بصريًا:

إذا أرسلنا هذه النتائج من خلالمرحاض، نرى أن هذا الملف يحتوي على 471 سطر رأسية. كيف يمكننا التحقق من أن كل واحد منهم يتبع هذا النمط؟ باستخدام تعبير نمطي معgrepللنمط ، ومقارنة العد بـ 471. لأن المعرفات يجب أن تبدأ فورًا بعد>رمز في ملف FASTA ، سيكون جزءًا من نمطنا. لقسم العشوائية الزائفة ، والتي قد تبدأ أو لا تبدأ بـPZولكن يجب على الأقل ليس تضمين شرطة سفلية أو مسافة ، يمكننا استخدام النمط[^ _ [: مسافة:]] +لتحديد حرف أو أكثر من الأحرف غير النقطية وغير المسافات. بالنسبة لمعرف المجموعة الاختياري ، سيكون النمط(_ [A-Z] +) {0،1}(لأن{0,1}يجعل السابقة اختيارية). وضع هذه معgrep -Eويجب أن ينتج عن عد المطابقات 471.

تطابقت جميع الرؤوس مع النمط الذي توقعناه. ماذا لو لم يفعلوا؟ يمكننا فحص أي منها لم يتم باستخدام ملفgrep -v -Eلطباعة الأسطر التي لا تتطابق مع النمط.

الآن ، من الناحية الافتراضية ، افترض أن زميلًا (عنيدًا ، وأكبر) قد حدد قائمة بمعرفات الجينات المهمة ، وأرسلها في ملف نصي بسيط.

لسوء الحظ ، يبدو أن زميلنا قرر استخدام مخطط تسمية تم تغييره قليلاً ، إلحاقًا-جينإلى نهاية كل معرف شبه عشوائي ، قبل_، إذا كان موجودًا. من أجل الاستمرار في التعاون السلمي ، قد يتعين علينا تعديل لنا ملف تسلسلي بحيث يتوافق مع هذا المخطط. يمكننا القيام بذلك معسيد، لكنه سيكون تحديًا ، لأننا في المقام الأول نريد إجراء الإدراج بدلاً من الاستبدال. في الواقع ، سنجري تبديلًا ، لكننا سنستبدل المطابقات بمحتويات من أنفسهم!

فيما يتعلق بالمراجع الخلفية ، في التعبير العادي ، فإن المطابقات أو التقديمات المجمعة والمضمنة بين قوسين لها سلاسلها المطابقة المحفوظة في متغيرات1,2، وما إلى ذلك وهلم جرا. يتم حفظ محتويات الزوج الأول من الأقواس بتنسيق1، والثاني في2(قد تكون هناك حاجة إلى بعض التجارب لتحديد مكان حفظ تطابقات الأقواس المتداخلة). يتم حفظ التعبير المطابق بالكامل بتنسيق.

لإكمال المثال ، سنقوم بتعديل النمط المستخدم في ملفgrepلالتقاط كلا الجزأين المناسبين من النمط ، واستبدالهما بـ 1-جين 2.

محتوياتpz_cDNAs.fasta، بعد تشغيله من خلالسيدأعلاه ، هي كما يلي:

يمكن استخدام المراجع الخلفية داخل النمط نفسه أيضًا. على سبيل المثال ، أsed -r 's / ([A-Za-z] +) 1 / 1 / g'سيحل محل الكلمات "المضاعفة"([A-Za-z] +) 1بنسخة واحدة من الكلمة1، مثلأنا أحب سيد جدا جدا، مما يسببأنا أحب سيد جدا. لكن احذر إذا كنت تفكر في استخدام هذا النوع من الاستبدال كمدقق نحوي ، لأن بناء الجملة هذا لا يبحث عبر حدود الأسطر (على الرغم من أنه أكثر تعقيدًاسيديمكن للبرامج). لن يقوم هذا المثال بتعديل زوج الأسطر التالي (حيث تكون الكلمةاليظهر مرتين):

يعدل regex السريع إخراج awk البطيء.

بعض الملاحظات النهائية حولسيدوالتعبيرات العادية بشكل عام ستساعد في اختتام هذا الفصل.

1. التعبيرات العادية ، على الرغم من قوتها ، عرضة للأخطاء. اعمل بشكل تدريجي ، وتحقق من النتائج بانتظام.
2. غالبًا ما يكون من الأسهل استخدام استدعاءات متعددة للتعبيرات العادية (على سبيل المثال ، مع عدةسيدأوامر) بدلاً من محاولة إنشاء تعبير معقد واحد.
3. استخدم التعبيرات العادية حيثما كان ذلك مناسبًا ، ولكن اعلم أنها ليست مناسبة دائمًا. العديد من المشكلات التي قد تبدو مناسبة للتعبيرات العادية تناسبها أيضًا استراتيجيات أخرى بشكل طبيعي ، والتي يجب أخذها في الاعتبار نظرًا للتعقيد الذي يمكن أن تضيفه التعبيرات النمطية إلى أمر معين أو جزء من التعليمات البرمجية.

يفكر بعض الأشخاص ، عند مواجهة مشكلة ، "أعلم ، سأستخدم التعبيرات العادية." الآن لديهم مشكلتين.

~ جيمي زاوينسكي

تمارين

1. في ملف إحصائيات التجميع de novo contig_stats.txt، يتم تسمية معرفات contig باسمNODE_1,NODE_2، وما إلى ذلك وهلم جرا. نفضل ذكر أسمائهمكونتيج 1,كونتيج 2، وما شابه ذلك. ينتجcontig_stats_renamed.txtمع هذه التغييرات التي أجريت.
2. كم عدد التسلسلات في الملف pz_cDNAs.fasta تتكون من قراءة واحدة فقط؟ من المحتمل أن تحتاج إلى استخدام كليهماawkوسيدهنا ، وتأكد من التحقق بعناية من نتائج خط الأنابيب الخاص بك معأقل.
3. زميل بغيض بشكل خاص يصر على ذلك في الملف pz_cDNAs.fasta، التسلسلات التي ليست جزءًا من أي مجموعة (أي تلك التي لا تحتوي على_اللاحقة) لاحقة_nogroup. استرضاء هذا الزميل من خلال إنتاج ملف لهذه المواصفات يسمىpz_cDNAs_fixed.fasta.
4. خطوط الرؤوس في مجموعة بروتين الخميرة orf_trans.fasta تبدو هكذا عند عرضها معأقل -Sبعد الاستيلاء على>: وتجدر الإشارة إلى أن خطوط الرأس تحتوي على معلومات حول مواقع exons الفردية ؛ يحتوي التسلسل YAL001C على إكسونين على الكروموسوم الأول من المواقع 151006 إلى 147594 ومن 151166 إلى 151097 (تنتقل الأرقام من كبير إلى صغير لأن المواقع محددة على الشريط الأمامي ، لكن الجين موجود على الشريط التكميلي العكسي). على النقيض من ذلك ، يحتوي التسلسل YAL002W على exon واحد فقط على الشريط الأمامي.

   كم عدد التسلسلات المكونة من exon واحد فقط؟ بعد ذلك ، قم بإنتاج قائمة بمعرفات التسلسل في ملف يسمىmulti_exon_ids.txtتحتوي على كل معرّفات التسلسل هذه مع أكثر من exon كعمود واحد.

5. استمرارًا للسؤال 4 ، ما هو التسلسل الذي يحتوي على أكبر عدد من exons؟ أي تسلسل أحادي exon هو الأطول ، من حيث المسافة من الموضع الأول إلى آخر موضع تم تسجيله في قائمة exon؟

شاهد الفيديو: أين يقع العقل دع علم الأعصاب يجيبك (يوليو 2022).