-
Notifications
You must be signed in to change notification settings - Fork 5
/
get_dir_fastq_merge.pl
184 lines (157 loc) · 6.29 KB
/
get_dir_fastq_merge.pl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
# 导入 -> 系统 package
use strict;
use warnings;
use File::Spec;
use Getopt::Long;
use Parallel::ForkManager;
$|=1;
# 定义 -> 常量
use constant SCRIPTDIR => (File::Spec->splitpath(File::Spec->rel2abs($0)))[1];
use constant PWD => $ENV{"PWD"};
# 检测 -> 脚本输入
my ($input_file, $output_dir, $execute, $threshold, $if_help);
GetOptions(
"input_file|i=s" => \$input_file,
"output_dir|o=s" => \$output_dir,
"execute|e!" => \$execute,
"threshold|t=s" => \$threshold,
"help|h" => \$if_help,
);
die help() if(defined $if_help or (not defined $input_file or not defined $output_dir));
###################################################################### 主程序
$threshold = 5 if(not defined $threshold or $threshold !~ /^\d+$/); # 并行数量
############
# 1 创建输出目录
############
mkdir $output_dir if(not -e $output_dir);
############
# 2 开始处理输入文件
############
my @bash_files;
open FILE, $input_file;
my $line1 = <FILE>;
$line1 =~ s/[\r\n]//g;
my @heads = split /\t/, $line1;
my $row = 1;
while(<FILE>)
{
$row++;
$_ =~ s/[\r\n]//g;
next if($_!~/\w/);
my @datas = split /\t/, $_;
# 数据存入哈希，便于后续根据表头提取信息
my %hashTmp;
foreach my $col(0..$#heads)
{
my $value = exists $datas[$col] ? $datas[$col] : "";
$hashTmp{$heads[$col]} = $value;
}
# 开始文件检测
my $new_name = $hashTmp{'new_name'};
my $r1_file_list = $hashTmp{'R1_files'};
my $r2_file_list = $hashTmp{'R2_files'};
$new_name =~ s/^\s+//;
$new_name =~ s/\s+$//;
die "[Error] 在行$row 中，new_name 表头缺失\n" if(not defined $new_name or $new_name !~ /\w/);
die "[Error] 在行$row R1_files 表头缺失\n" if(not defined $r1_file_list or $r1_file_list !~ /\w/);
die "[Error] 在行$row R2_files 表头缺失\n" if(not defined $r2_file_list or $r2_file_list !~ /\w/);
my @r1_files = split /,/, $r1_file_list;
my @r2_files = split /,/, $r2_file_list;
die "[Error] 在行$row 中，R1_files与R2_files中的文件数量不一致" if(scalar(@r1_files) != scalar(@r2_files));
my ($file_condition, $error_file)= is_file_ok((@r1_files, @r2_files)); # 文件是否丢失
die "[Error] 在行$row 中，部分fastq文件丢失：$error_file\n" if($file_condition == 0);
# bash文件生成
my $bash_file = "$output_dir/$new_name.sh";
open BASH, ">$bash_file";
if(scalar(@r1_files) > 1) # 2个以上的文件，cat合并
{
print BASH "cat @r1_files > $output_dir/$new_name\_R1.fastq.gz\n";
print BASH "cat @r2_files > $output_dir/$new_name\_R2.fastq.gz\n";
print BASH "sleep 10s\n";
print BASH "rm @r1_files \n";
print BASH "rm @r2_files \n";
}
else # 只有1个文件，直接mv
{
print BASH "mv @r1_files $output_dir/$new_name\_R1.fastq.gz\n";
print BASH "mv @r2_files $output_dir/$new_name\_R2.fastq.gz\n";
}
close BASH;
system("chmod 755 $bash_file");
push @bash_files, $bash_file;
}
close FILE;
print "bash 文件已生成\n";
exit 0 if(not defined $execute);
############
# 3 执行合并
############
print "开始合并文件\n";
my $pm = Parallel::ForkManager->new($threshold);
$pm->run_on_start(sub{my ($pid, $bash_file) = @_; process_bar_array($bash_file, \@bash_files)});# 进度条
foreach my $bash_file(@bash_files)
{
$pm->start($bash_file) and next;
system(" bash $bash_file ");
$pm->finish;
}
$pm->wait_all_children;
###################################################################### 子函数
# 检验文件是否为空
sub is_file_ok{
my @files = @_;
my $isOK = 1;
my $error_file = "";
foreach my $file(@files)
{
if (not -e $file or not -f $file or -s $file == 0)
{
$isOK = 0;
$error_file .= "$file,";
}
}
return ($isOK, $error_file);
}
# 检验目录是否存在
sub is_dir_ok{
my $dir = shift @_;
my $isOK = 0;
$isOK = 1 if(-e $dir and -d $dir);
return $isOK;
}
# 进度条， 根据输入向量计算
sub process_bar_array{
my $process_name = shift @_; # 需要分析的对象
my $process_arrays = shift @_; # 总列表
my $process_all_count = @$process_arrays;# 需要分析的总列表数量
my ($pos) = grep $$process_arrays[$_] eq $process_name, 0..$process_all_count-1;
my $process_count = $pos+ 1; # 当前对象的位置
my $process_perc = sprintf "%0.2f", 100 * $process_count/$process_all_count; # 进度
my $windows = 100; # 窗口宽度
my $finished = $windows * int($process_perc) / 100; # 完成
my $unfinished = $windows - $finished; # 未完成
print "\r[". '>' x $finished . ' ' x $unfinished . "] [$process_count/$process_all_count] $process_perc% ";
print "\n" if($process_count == $process_all_count);
}
sub help{
my $info = "
Program: 根据get_dir_fastq.pl软件提供的R1_files、R2_files信息，以及new_name信息，对分lane的数据做合并处理。
软件会先生成bash文件，作为记录与检查。
如果确认无误，再执行合并。
Version: 2019-12-26
Contact: 129 甘斌
Usage: perl ".(File::Spec->splitpath(File::Spec->rel2abs($0)))[2]." [options]
Options:
[必填]
--input_file/-i 数据信息文件，必须包含表头：new_name,R1_files,R2_files
new_name: 希望生成的文件的前缀。所有结果会被命名为new_name_R1.fastq.gz,new_name_R2.fastq.gz
R1_files: R1文件绝对路径列表，多个文件之间用逗号分隔，不允许空字符，文件配对顺序务必与R2_files一致，否则合并出错
R2_files: R2文件绝对路径列表，多个文件之间用逗号分隔，不允许空字符，文件配对顺序务必与R1_files一致，否则合并出错
--output_dir/-o 输出目录
[选填]
--execute/-e 执行bash合并命令 默认：不执行
--threshold/-t 并行样本数量 默认：5
--help/-h 查看帮助文档
\n";
return $info;
}