Perl解析Phobius输出文件时实现每个FT行前置对应Uniprot ID的问题咨询

你的问题很明确：Phobius输出里每个Uniprot ID对应的多条FT行，只有第一条带ID，后面的都缺失了。咱们来改改这个脚本，让每个FT行都能带上对应的ID。

先看你原来的代码问题出在哪：你在匹配到ID行的时候直接把ID打印到文件里了，但只有第一个FT行会跟着这个ID，后面的FT行因为没有触发ID的打印逻辑，就直接输出了。正确的思路应该是保存当前ID，然后每遇到FT行，就把保存的ID和FT内容一起输出，而不是在ID行的时候提前打印。

原代码问题点 #

open (MYFILE, "result_phobius.txt" )||warn "Couldn't open file because $!"; #指定输入文件名
open (FILE, ">output.txt"); #指定输出文件名
while (<MYFILE>) {
    if ($_=~/^ID (\S+?)\s/) #匹配以ID开头的行，提取Uniprot ID
    {
        $id=$1;
        chomp ($id);
        print FILE "$id\t"; #在输出文件中打印Uniprot ID
    }
    if ($_=~/^FT /) {
        print FILE "$_"; #打印FT开头的行
    }
}

修改后的代码 #

# 打开输入文件，用三参数open更安全
open(my $in_fh, '<', 'result_phobius.txt') or die "Couldn't open input file: $!";
# 打开输出文件
open(my $out_fh, '>', 'output.txt') or die "Couldn't open output file: $!";

my $current_id; # 保存当前的Uniprot ID

while (my $line = <$in_fh>) {
    chomp $line; # 先去掉每行的换行符，方便后续处理
    
    if ($line =~ /^ID (\S+)/) { # 匹配ID行，提取ID
        $current_id = $1;
    }
    elsif ($line =~ /^FT /) { # 匹配FT行
        # 只有当前ID存在时才输出，避免空ID的情况
        if (defined $current_id) {
            print $out_fh "$current_id $line\n";
        }
    }
    # 跳过分隔线和空行，不需要处理
}

# 关闭文件句柄
close $in_fh;
close $out_fh;

修改说明 #

1. 改用三参数open：比你原来的两参数open更安全，避免文件名包含特殊字符时出问题，同时用词法文件句柄（$in_fh/$out_fh）代替全局句柄，更规范。
2. 保存当前ID而非提前打印：遇到ID行时，只把ID存在$current_id变量里，不直接输出到文件。
3. 处理FT行时拼接ID：每遇到FT行，就把之前保存的$current_id和FT内容拼接后输出，这样每个FT行都会带上对应的ID。
4. 添加空ID判断：防止文件开头有FT行但还没匹配到ID的情况，避免输出空ID。
5. 统一处理换行符：先chomp掉原行的换行，输出时自己加\n，保证换行一致。

验证效果 #

修改后的脚本运行后，会输出你期望的格式：

sp|Q92673|1-2157 FT SIGNAL 1 28
sp|Q92673|1-2157 FT DOMAIN 1 11 N-REGION.
sp|Q92673|1-2157 FT DOMAIN 12 22 H-REGION.
...
tr|D3DPA4|1-145 FT TRANSMEM 120 144
tr|D3DPA4|1-145 FT DOMAIN 145 145 NON CYTOPLASMIC.

内容的提问来源于stack exchange，提问作者Kay