Introduction à Perl et premiers pas
Perl possède plusieurs avantages : tout d'abord, il est installé sur la quasi-totalité des environnements Unix. Ensuite, les scripts ne nécessitent pas de compilation, et sont donc parfaitement portables d'un système à l'autre (Windows vers Linux par exemple). Perl implémente également de nombreux types de données très utiles comme les tables de hachage (tableaux associatifs), qui évitent au programmeurs de réinventer la roue. Il supporte les expressions régulières, ce qui lui permet d'effectuer des traitements compliqués sur les chaines de caractères (recherche et remplacement de texte par exemple). Perl possède maintenant un nombre incalculable de modules, tous disponibles dans le doamine public, et couvre ainsi tous les domaines de l'informatique. Il est facile de débuter la programmation avec Perl.
Ouvrir avec Emacs un fichier nommé hello.pl, puis taper la ligne suivante, sauver le fichier puis sortir d'Emacs.
[olly@mplpc16 bioinfo]$ emacs hello.pl&
print "Hello!\n";
[olly@mplpc16 bioinfo]$ perl hello.pl
Maintenant, ouvrez le fichier avec emacs et ajoutez-y la ligne suivante :
#!/usr/bin/perl
$str = "Hello";
print "$str tout le monde!\n";
Ensuite, rendez le fichier éxécutable
[olly@mplpc16 bioinfo]$ chmod +x hello.pl
Vérifions que le fchier est bien executable (il contient trois "x")
[olly@mplpc16 dtgen]$ ll hello.pl
-rwxr-xr-x 1 olly olly 18 Jun 5 23:19 hello.pl*
Et maitenant, on éxécute ce script!
[olly@mplpc16 dtgen]$ hello.pl
concepts fondamentaux de la syntaxe Perl
La syntaxe du Perl est relativement proche de celle du C (pour ceux qui connaissent ce langage). Ainsi, Perl est sensible à la casse (print est différent de PRINT par exemple). En Perl, chaque ligne est terminée par un point-virgule. Tous ce qui suit le caractère # est considére comme des commentaires.
Il existe trois types de variables en Perl : les scalaires, les listes et les hachages. Une variable de type scalaire débute par le signe $ (par exemple $count), une variable de type liste débute par le signe @ (par exemple @tableau), tandis qu'une variable de type hachage débute par le signe % (par exemple %hash).
Une variable de type scalaire peut contenir un nombre (entier ou réel) ou bien une chaîne de caractères. Par exemple :
$num = 12;
$taille = 3.3;
$str = "salut";
Perl réalise l'interpolation de variable scalaire dans les chaînes de caractère. Par exemple le script suivant affiche le message "je mesure 1.87 m" :
$taille = 1.87;
print "je mesure $taille m";
Il n'y a pas de typage en Perl, cela signifie qu'une variable prend le type de ce qui lui est affectée. Par exemple il est possible de faire les opérations suivantes :
$var = 3
$var = "salut";
print $var;
ce qui affichera "salut" et non pas 3.
Comme dans de
construction de réferences
Après avoir passé en revue les constructions de bases, : Perl possède également comme particularité de définir une série variables spéciales : $_
que veut dire "my"
syntaxe générale
Une liste (ou un tableau) est une variable contenant elle-même une série d'objets (variables, listes, etc.). Chaque objet (ou élément) d'un tableau est repéré par sa position au sein du tableau. Par exemple, le premier élément d'un tableau est à la position 0. Le cinquième élément est à la position 4.
@tableau = (12, "abc", 56, "rtt");
print $tableau[0]; # affiche 12
print $tableau[3]; # affiche rtt
Il est possible avec la fonction map d'effectuer une ou plusieurs opérations sur chacun des éléments d' un tableau
@tab2 = map {$_ * 2} @tab;
ou
@tab2 = map(function, @tab);
On peut également parcourir les éléments d'un tableau grace à l'instruction foreach :
foreach $item (@tableau) {
print $item;
}
Les tableaux associatifs
De même qu'un tableau, un tableau associatif associe une clé à un élément. En revanche la clé n'est pas restreinte à un chifrre, il peut d'agir d'une chaine de caractères. Pour parcourir un tableau associatif nommé
%asso, on procèdera de la manière suivante :
foreach $item (%asso) {
# instructions ...
print $item;
}
Il existe une notion de contexte en Perl, c'est à dire qu'il n'est pas toujours utile de spécifier explicitement les paramètres d'une fonction
d'abord les regexp, puis les fichiers
Par exemple, la ligne suivante affichera la séquence contenue dans $seq si celle-ci contient le motif TTATA :
print $seq if ($seq =~ /TTATA/)
L'interactivité avec l'utilisateur est nécéssaire pour bien des programmes conviviaux. Néanmoins elle
Il y a deux moyens d'interagir avec des données externes. La première consiste à ouvrir et créer des fichiers externes, la seconde à utiliser les entrées et sorties standard.
Perl gère de manière simple les entrées sorties standards...
très utile pour réaliser des traitements rapides sur des fichiers texte. Par exemple, supposons que l'on souhaite extraire les accession numbers du fichier suivant, nommé nucleo.seq :
>X14543
AATTTATGCGCTATATATATTTTG
>X14544
AATTTATGCGCTATGTATATTTTG
>X14545
AATTTATGCGCGATATATATTTTG
Le script numacc.pl permettant de réaliser cette tache est le suivant :
while (<STDIN>) {
# affiche l'accession number si la ligne commence par >
print $1 if (/^>(.*)$/);
}
L'usage de ce programme est le suivant :
cat nucleo.seq | numacc.pl
écrire une nouvelle routine :
sub maRoutine {
my ($arg1, $arg2) = @_;
print "argument passés : $arg1 et $arg2";
return $arg1+ $arg2;
}
parser les options de la ligne de commande avec le module Getopt::Long. Supposons que l'on souhaite demander à l'utilisateur le type de sortie qu'il souhaite, et ce au travers de la ligne de commande :
script.pl --output=html
use Getopt::Long;
# definit le style de sortie, html par défaut
my $output = '';
GetOptions ('output=s' => \$output);
$output = "html" if ($output eq '');
if ($output eq "html") {
print "<b>Hello !</b>";
} else {
print "Hello !";
}
Par exemple, essayons d'extraire des séquences les portions comprises entre les motifs TTA et TTC
Pour extraire les 10 premiers acides aminées de chaque séquence, on utilisera la fonction substr. Par exemple : substr($seq, 0, 10)
Les expressions régulières
Redirection des E/S
Définition et utilisation des descripteurs de fichiers
APPLICATION DE MOTIFS ET OPÉRATEURS
Expressions régulières Perl
Extraction d'informations textuelles importantes
Utilisation d'expressions régulières UNIX
Modification des données avec des substitutions
Décodage des extensions "egimosx"
$ fin de ligne
? 0 ou 1 fois
^ début de ligne
Installer un module Perl
Parser la sortie de Blast gràce à Perl
Si le module CPAN.pm est installé sur votre machine, il est possible d'installer de nouveaux modules de manière quasi-automatique. Par exemple, pour installer le module SOAP::Lite, il suffit de taper la commande suivante (en tant que super-utilisateur):
perl -MCPAN -e 'install SOAP::Lite'
Notons que l'interface CPAN permet de chercher des modules Perl parmi ceux installables. Ainsi, pour chercher tous les modules contenant la chaîne
perl -MCPAN -e 'shell'
i /Bio/
Autrement, il est nécessaire de télécharger l'archive en .tar.gz, de la decompresser, et de taper les commandes suivantes dans le répertoire créé :
perl Makefile.PL
make
make test
su
make install
Ressources:
tutorial Perl en français chez ftls.org http://www.ftls.org/fr/initiation/perl/
Un excellent Learning Perl O'Reilly
Perl permet de créer et d'accéder à la librairie GNU Database Manager. Il s'agit d'une librairie installée sur tous les systèmes Linux, dont les routines permettent de gérer des fichiers contenant des paires clé/données. On l'utilise couramment pour stocker des données et pour pouvoir les récupérer rapidement. Utile par exemple pour construire un petit moteur de recherche.
GNU dbm is a library of routines that manages data files that contain key/data pairs. The
access provided is that of storing, retrieval, and deletion by key and a non-sorted traver
sal of all keys. A process is allowed to use multiple data files at the same time.
Ecrire une base de données:
use GDBM_File;
tie(my(%indexdb),'GDBM_File',"index.db", &GDBM_WRCREAT, 0644);
$indexdb{"bioinformatique"} = "file.html";
untie(%indexdb);
Lire une base de données:
use GDBM_File;
tie(my(%indexdb),'GDBM_File',"index.db", &GDBM_WRCREAT, 0644);
$indexdb{"bioinformatique"} = "file.html";
untie(%indexdb);
La fonction
sort permet de trier un tableau, c'est à dire de ranger les éléments de ce tableau dans un ordre spécifié. Par
exemple, supposons que l'on souhaite trier le fichier suivant, nommé specif.txt par ordre lexicographique :
Phenyl[1-(1-N-succinylamino)pentyl] phosphonate
Neuraminidase [influenza virus]; residues: 82-468
Lysozyme [hen egg white](HEL) EC:3.2.1.17 D18A
Cyclopentadienyl ferrocene (exo Diels-Alder reaction inhibitor)
Human rhinovirus (serotype 2) VP2 (viral capsid protein) peptide; residues: 156-170
Transition State Analogue (Bicyclo[2.2.2]octene derivative)
4-hydroxy-3-nitrophenyl acetate
4-hydroxy-5-iodo-3-nitrophenyl acetate
Aspartame
HIV-1 gp120; residues: 308-332
Autoantigen IgG4 Fc Rea
HIV-1 p24 (capsid protein); residues: 1-151
Thromboplastin (synonym: tissue factor, TF, coagulation factor III) extracellular domain
HIV-1 V3 loop constrained peptide analogue (Aib142)
5-(para-nitrophenyl phosphonate)-pentanoic acid
Cytochrome c oxidase [Paracoccus denitrificans] EC:1.9.3.1
2,2,6,6-tetramethyl-1-piperidinyloxy-dinitrophenyl
HIV-1 p24 epitope-homologous peptide
Lysozyme [bobwhite quail egg white] EC:3.2.1.17
Lysozyme [hen egg white]
Rnase A
Lysozyme [hen egg white] (HEL) EC:3.2.1.17
Traseolide [musk odorant fragrance] (hydrophobic hapten)
HIV-1 reverse transcriptase (HIV-1 RT) EC:2.7.7.49 M184I/double-stranded DNA (ds) complex
Le tri de ce fichier se fait en utilisant le programme Perl suivant :
#!/usr/bin/perl -w
@fichier = <STDIN>;
@result = sort @fichier;
print STDOUT @result;
Ligne de commande :
sort.pl < specif.txt > specif_triees.txt
Par défaut, le tri est effectué par ordre lexicographique, mais
sort peut faire appel à une fonction de comparaison externe. Par exemple, pour trier les lignes de ce fichier par ordre de repX croissant :
6 50
rep1 CTGACATTGGAAAGTACTTTATACGACAAGACAAACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
rep5 CTGACACCGGAAAGTACTTTATACGTCAAGACAAACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
rep2 CTGACATTGGAAAGTACTTTATACGTCGAGACGGACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
rep6 CTGACACCGGGGAGTACTTTATACGACAAGACAAACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
rep4 CTGACATTGGAAAGTACTTTATACGACAAGACAAACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
rep3 CTGACATTGGAAAGTACTTTATACGACAAGACAAACTGAAGGTGCAAGTCCTTTTTGTCATACTATTCAT
On utilisera le programme suivant :
#!/usr/bin/perl
#recupère la première ligne
$ln = <STDIN>;
#recupère les autres lignes
@lines = <STDIN>;
#sortie
print $ln;
@sorted_lines = sort sortlines @lines;
foreach $line (@sorted_lines) {
print "$line";
}
sub sortlines {
$a =~ /^rep(\d+)/;
$a1 = $1;
$b =~ /^rep(\d+)/;
$b1 = $1;
return $a1 <=> $b1;
}
Applications en bioinformatique
Mettre de l'information au format souhaité
exemple : format bizarre -> format fasta
Récupérer l'information à partir de fichiers de sorties de programmes externes
Construction automatique de pages web
Le programme le plus simple possible est le suivant :
print "Bonjour je m'appelle Olivier\n";
Tout comme il est possible d'écrire du texte à l'écran, il est également possible d'écrire du HTML :
print "<html><body>\n";
print "font color=\"red\">Bonjour je m'appelle Olivier</font>\n";
print "</body></html>\n";
Redirigeons la sortie de ce script vers un fichier nommé page.html (avec la commande print.pl > page.html), puis visualisons ce dernier avec netscape.
Notons que Perl permet de séparer certaines données du code HTML proprement dit, grace a l'usage de variables. Par exemple :
$couleur = "red";
$texte = "Bonjour je m'appelle Olivier";
print "<html><body>\n";
print "font color=\"$couleur\">$texte</font>\n";
print "</body></html>\n";
BioPerl correspond à une série de modules destinés à automatiser certaines taches communes en bioinformatique. Par exemple, il permet de lire des fichiers FASTA, de lancer des BLAST et de récupérer des séquences à partir des bases de données online.
L'installation de BioPerl peut se faire de la manière suivante, via le module CPAN.pm :
[root@MPLPC18 olly]# perl -MCPAN -e shell
cpan shell -- CPAN exploration and modules installation (v1.52)
ReadLine support enabled
cpan> install "B/BI/BIRNEY/bioperl-0.7.1.tar.gz"
Un tutorial complet sur BioPerl est disponible à l'adresse http://bio.perl.org/Core/POD/bptutorial.html
Récupérer des séquences à partir de fichiers FASTA, EMBL, etc.
Exemple : lire et afficher les séquences d'n fichier FASTA :
use Bio::SeqIO;
$seqio = Bio::SeqIO->new ( '-format' => 'Fasta' , -file => $ARGV[0]);
while $seq = $seqio->next_seq;
Autre exemple : lire et afficher les séquences d'n fichierau format EMBL :
use Bio::SeqIO;
$seqio = Bio::SeqIO->new ( '-format' => 'embl' , -file => '../new_seq.dat');
while ($seqobj = $seqio->next_seq()) {
print ">" . $seqobj->accession_number . "\n";
print $seqobj->seq . "\n";
}
Meme chose, mais avec stockage des sequences dans une base GDBM :
use Bio::SeqIO;
use GDBM_File;
tie(my(%indexdb),'GDBM_File',"sequences.db", &GDBM_WRCREAT, 0644);
$seqio = Bio::SeqIO->new ( '-format' => 'embl' , -file => '../new_seq.dat');
$cnt = 0;
while (($seqobj = $seqio->next_seq()) && ($cnt++ < 100)) {
print ">" . $seqobj->accession_number . "\n";
print $seqobj->seq . "\n";
$indexdb{$seqobj->accession_number} = $seqobj->seq;
}
untie(%indexdb);
Lecture des infos stockées :
use GDBM_File;
tie(my(%indexdb),'GDBM_File',"sequences.db", &GDBM_WRCREAT, 0644);
while (($k, $v) = each %indexdb) {
print ">" . $k . "\n";
print $v . "\n";
}
untie(%indexdb);
Récuperer des séquences dans GenBank
use Bio::DB::GenBank;
$gb = new Bio::DB::GenBank;
$seq = $gb->get_Seq_by_acc($ARGV[0]);
print $seq->seq;
Utiliser le module d'alignement multiple (SW)
#!/usr/bin/perl
use Bio::Tools::pSW;
use Bio::Seq;
$factory = new Bio::Tools::pSW( '-matrix' => 'blosum62.bla',
'-gap' => 12,
'-ext' => 2, );
$seq1 = Bio::Seq->new( -seq => 'WLGQRNLVSSTGGNLLNVWLKDW');
$seq2 = Bio::Seq->new( -seq => 'WMGNRNVVNLLNVWFRDW');
$factory->align_and_show($seq1, $seq2, STDOUT);
$aln = $factory->pairwise_alignment($seq1, $seq2);
Ce qui devrait donner la sortie suivante :
seq1 1 WLGQRNLVSSTGGNLLNVWLKDW
W+G RN+V NLLNVW +DW
seq2 1 WMGNRNVV-----NLLNVWFRDW
Batir une interface graphique avec TK
#!/usr/bin/perl -w
use Tk;
use strict;
new MainWindow -> Button(-text => 'Press me!', -command => sub{print "Merci\n"})
-> pack;
MainLoop;
comp.lang.perl.tk FAQ
Ressources:
