Aritalab:Lecture/Programming/Cpp/Genome - Revision history

Adm at 08:22, 19 October 2010

2010-10-19T08:22:45Z

Adm: /* クラスメンバー関数の充実 */

2010-10-19T08:14:55Z

‎クラスメンバー関数の充実

Adm at 08:13, 19 October 2010

2010-10-19T08:13:19Z

Show changes

Adm at 07:32, 19 October 2010

2010-10-19T07:32:48Z

Adm at 07:18, 19 October 2010

2010-10-19T07:18:36Z

Show changes

Adm: New page: ==ゲノムデータを解析する== ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。 ===データのダウンロード=== まず [ht...

2010-10-19T06:04:15Z

New page: ==ゲノムデータを解析する== ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。 ===データのダウンロード=== まず [ht...

New page

==ゲノムデータを解析する==
ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。
===データのダウンロード===
まず [http://hgdownload.cse.ucsc.edu/downloads.html UCSD Download]サイトに行って、ヒトゲノムのデータをダウンロードしてみます。ここではData set by chromosomeのセクションに進んで日本がシーケンスした21版染色体 (chr21.fa.gz) を取得します。faというのはFastA形式の意味です。96万行もあるファイルで、headコマンドにより各行50文字程度あることがわかります。
<pre>
$ gunzip chr21.fa.gz
$ wc chr21.fa
962599 962599 49092500 chr21.fa
$ head chr21.fa
>chr21
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN
</pre>

===Visual Studioによるプログラム作成===
インストールしたら、File→新規作成→プロジェクトを選択して、新しいプロジェクトを開始します。
プロジェクト名.cppというソースを書くウィンドウが作成されるので、ここにプログラムを書いていきます。

；ゲノムを読むサンプル
<pre>
#include "stdafx.h"
#include <iostream>
#include <fstream>
#include <time.h>
#include <cstdlib>

using namespace std;

class Chromosome
{
private:
char* chr;
int bufsize;
int size;
char toLowercase(char c)
{
switch (c) {
case 'A': return 'a';
case 'T': return 't';
case 'G': return 'g';
case 'C': return 'c';
case 'N': return 'n';
case 'a': case 't': case 'g': case 'c': case 'n':
return c;
default:
cout << "Unknown char " << c << endl;
exit(0);
}
}

public:
Chromosome(int siz) { chr = new char[siz]; bufsize = siz; }
~Chromosome() { delete[] chr; }
Chromosome(const Chromosome&)
{ cout << "Error: copy constructor is called." << endl; exit(0); }
Chromosome& operator=(const Chromosome& x)
{ cout << "Error: assignment constructor is called." << endl; exit(0); }

void open(char* filename)
{
char line[101];
line[100] = 0; // 最後にヌル文字を入れておく
size=0;
ifstream fin(filename);
if (!fin)
{ cout << "File not found" << endl; exit(0); }
// skip the first line
fin.getline(line, 100);
while (!fin.getline(line, 100).eof())
{
for(int j=0; line[j] != 0; j++)
chr[size++] = toLowercase(line[j]);
if (size >= bufsize)
{ cout << "Error: bufsize overflow" << endl; exit(0); }
}
chr[size] = 0;
}

void printGC()
{
int baseA =0, baseT =0, baseG = 0, baseC =0, baseN=0;
for (int i=0; i < size; i++)
switch (chr[i])
{
case 'a': baseA++; break;
case 't': baseT++; break;
case 'g': baseG++; break;
case 'c': baseC++; break;
case 'n': baseN++; break;
}
cout << "GC content: " << (baseG+baseC)*100 / (baseA+baseT)
<< "%" << endl;
}
};

int _tmain(int argc, _TCHAR* argv[])
{
Chromosome C21(50000000);
C21.open("chr21.fa");
C21.printGC();
}
</pre>
プログラムを書いたら、ビルド→"プロジェクト名"のビルドでコンパイルします。

← Older revision		Revision as of 08:22, 19 October 2010
Line 1:		Line 1:
		+	{{Lecture/Header}}
		+
	ここではVisual Studio 2010の利用を前提として、ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。		ここではVisual Studio 2010の利用を前提として、ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。

@@ Line 216: / Line 216: @@
 ==クラスメンバー関数の充実==
 ここまでできれば、後はクラスのメンバー関数を順次充実させられます。
-例えば、ゲノムの文字は大文字と小文字が混在しているので、全て小文字に変換する関数 toLowercase を用意してみましょう。
+例えばゲノムのファイルには大文字と小文字が混在しているので、全て小文字に変換する関数 toLowercase を用意してみましょう。
 ; chromosome.cpp への追加コード
 <pre>

@@ Line 1: / Line 1: @@
 ゲノムデータを解析するプログラムの作成法を、ステップ毎に紹介します。
-===データのダウンロード===
+==データの読み込み==
 まず [http://hgdownload.cse.ucsc.edu/downloads.html UCSD Download]サイトに行って、ヒトゲノムのデータをダウンロードしてみます。ここではData set by chromosomeのセクションに進んで日本がシーケンスした21版染色体 (chr21.fa.gz) を取得します。faというのはFastA形式の意味です。wcコマンドにより96万行、49MBのファイルであることがわかります。headコマンドにより各行50文字程度あることがわかります。
 <pre>
@@ Line 20: / Line 19: @@
 </pre>
-===Visual Studioによるプログラム作成===
+==Visual Studioによるプログラム作成==
 長さ100文字のバッファを使って行を読み、50MBのヒープ領域に21番染色体のデータを格納しましょう。
-Visual Studioインストールしたら、File&rarr;新規作成&rarr;プロジェクトを選択して、新しいプロジェクトを開始します。
+Visual Studioインストールしたら、「File&rarr;新規作成&rarr;プロジェクト」を選択して、新しいプロジェクトを開始します。
 プロジェクト名.cppというソースを書くウィンドウが作成されるので、ここにプログラムを書いていきます。
-まず、ファイルから1行ずつ読み込んで結合するプログラムを作成します。
+まず、ファイルから1行ずつ読み込んで結合するプログラムを、main関数の中で作成します。
 ;ファイルから1行ずつ読み込むサンプル
@@ Line 52: / Line 51: @@
+}
 </pre>
-プログラムを書いたら、ビルド&rarr;"プロジェクト名"のビルド でコンパイルします。
+プログラムを書いたら、「ビルド&rarr;"プロジェクト名"のビルド」 でコンパイルします。
-うまく動くことが確認できたら、書いた部分をクラスとして抽象化しましょう。
+コンパイルエラーがでたら、エラーメッセージ毎にソース位置を特定できるので、修正してください。
 他の染色体を読み込めるよう、
 * 染色体のサイズ　(上のプログラムでは50MBの配列chr)
 * 実際の文字数　(size)
-をクラス化します。
+をまずクラス化します。
 またゲノムの文字は大文字と小文字が混在しているので、全て小文字に変換する関数 toLowercase も用意します。
@@ Line 71: / Line 74: @@
+{
 private:
-	char* chr;
+  char* chr;
-	int bufsize;
+  int bufsize;
-	int size;
+  int size;
-char toLowercase(char c)
+  char toLowercase(char c)
+   {
      switch (c) {
@@ Line 95: / Line 98: @@
    ~Chromosome() { delete[] chr; }
    Chromosome(const Chromosome&)
-    { cout << "Error: copy constructor is called." << endl; exit(0); }
+  { cout << "Error: copy constructor is called." << endl; exit(0); }
    Chromosome& operator=(const Chromosome& x)
-    { cout << "Error: assignment constructor is called." << endl; exit(0); }
+  { cout << "Error: assignment constructor is called." << endl; exit(0); }
    void open(char* filename)
+   {
      char line[100];
-     size=0; // クラスのメンバー変数
+     size=0;
      ifstream fin(filename);
      if (!fin)
      { cout << "File not found" << endl; exit(0); }
      fin.getline(line, 100);
-     while (!fin.getline(line, 100).eof()) {
+     while (!fin.getline(line, 100).eof())
        for(int j=0; line[j] != 0; j&#43;&#43;) {
          chr[size&#43;&#43;] = toLowercase(line[j]);
@@ Line 114: / Line 119: @@
+       }
+     }
-     chr[size] = 0; // 最後にヌル文字
+     chr[size] = 0;
+   }
@@ Line 122: / Line 127: @@
      for (int i=0; i < size; i&#43;&#43;)
        switch (chr[i])
-−
+    {
-        case 'a': baseA&#43;&#43;; break;
+      case 'a': baseA&#43;&#43;; break;
-        case 't': baseT&#43;&#43;; break;
+      case 't': baseT&#43;&#43;; break;
-        case 'g': baseG&#43;&#43;; break;
+      case 'g': baseG&#43;&#43;; break;
-        case 'c': baseC&#43;&#43;; break;
+      case 'c': baseC&#43;&#43;; break;
-        case 'n': baseN&#43;&#43;; break;
+      case 'n': baseN&#43;&#43;; break;
-−
+    }
-      cout << "GC content: " << (baseG+baseC)*100 / (baseA+baseT)
+    cout << "GC content: " << (baseG+baseC)*100 / (baseA+baseT) << "%" << endl;
-                     << "%" << endl;
+   }
 };
@@ Line 136: / Line 140: @@
 int _tmain(int argc, _TCHAR* argv[])
+{
-	Chromosome C21(50000000);
-	C21.open("chr21.fa");
+  Chromosome C21(50000000);
-	C21.printGC();
+  C21.open("chr21.fa");
+}
 </pre>