怎么从GTF中提取lncRNA的编号和名称

这篇文章将为大家详细讲解有关怎么从GTF中提取lncRNA的编号和名称，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

从GTF文件中提取lncRNA对应的ID和名称

从TCGA数据中提取lncRNA的表达量时，需要知道lncRNA的编号和对应的名称。这些信息可以从GTF文件中提取。
提取的话，可以采用如下的代码实现。

#!/usr/bin/perl -w

use strict;


my $biotype_file = shift @ARGV;
my $gtf = shift @ARGV;
my $biotype = shift @ARGV;


my %biotype_list;
open my $fh2, $biotype_file or die;
while (<$fh2>) {
    chomp;
    my @array = split /\t/, $_;
    if($array[2]eq $biotype){
        $biotype_list{$array[0]} = 1;
    }
}
close $fh2;


open my $out, ">${biotype}_info.txt" or die;
print $out "Gene_id\tGene_id_info\tgene_name\tbiotype\n";
open my $fh3, $gtf or die;
while (<$fh3>) {
    chomp;
    next if /^#/;
    my @array = split /\t/, $_;
    next unless ($array[2] eq "gene");
    $array[8] =~ /gene_id\s+"(\S+?)";.*gene_type\s+"(\S+?)";.*gene_name\s+"(\S+?)";/;
    my $geneid = $1;
    my $genebiotype = $2;
    my $genename = $3;
    my $gene_id_norm=(split("\\.",$geneid))[0];
    if ($biotype_list{$genebiotype}) {
        print $out "$gene_id_norm\t$geneid\t$genename\t$genebiotype\n";
    }
}
close $fh3;

关于“怎么从GTF中提取lncRNA的编号和名称”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。