Perl for Bioinformatics

Stuart Brown
NYU School of Medicine

   
 Sources
• Beginning Perl for Bioinformatics
– James Tisdall, O’Reilly Press, 2000
• Using Perl to Facilitate Biological Analysis 
in Bioinformatics: A Practical Guide (2nd Ed.)
– Lincoln Stein, Wiley­Interscience, 2001
• Introduction to Programming and Perl
– Alan M. Durham, Computer Science Dept., Univ. of São Paulo, Brazil

   
 Why Write Programs?
• Automate computer work that you do by hand ­ 
save time & reduce errors
• Run the same analysis on lots of similar data files 
= scale­up
• Analyze data, make decisions 
– sort Blast results by e­value &/or species of best mach
• Build a pipeline 
• Create new analysis methods

   
 Why Perl?
• Fairly easy to learn the basics
• Many powerful functions for working with 
text: search & extract, modify, combine 
• Can control other programs 
• Free and available for all operating systems
• Most popular language in bioinformatics
• Many pre­built “modules” are available that 
do useful things

   
 Get Perl
• You can install Perl on any type of 
computer
• Your account on mcrcr0 already has Perl
• Just log in ­ you don’t even need to type 
any command to make Perl active.
• Download and install Perl on your own 
computer:
 
www.perl.org 
 Programming Concepts
• Program = a text file that contains 
instructions for the computer to follow
• Programming Language = a set of 
commands that the computer understands 
(via a “command interpreter”)
• Input = data that is given to the program
• Output = something that is produced by the 
 program
   
 Programming
• Write the program (with a text editor)
• Run the program
• Look at the output
• Correct the errors (debugging)
• Repeat
(computers are VERY dumb ­they do exactly 
what you tell them to do, so be careful what 
you ask for…)
   
 Strings
• Text is handled in Perl as a string
• This basically means that you have to put 
quotes around any piece of text that is not 
an actual Perl instruction.
• Perl has two kinds of quotes ­ single ‘ ‘
and double “ “
(they are different­ more about this later)

   
 Print
• Perl uses the term “print” to create output
• Without a print statement, you won’t 
know what your program has done
• You need to tell Perl to put a carriage return 
at the end of a printed line
– Use the “\n”  (newline) command
• Include the quotes
– The “\” character is called an  escape ­ Perl  
uses it a lot
   
 Your First Perl Program
• Log in to mcrcr0
• Open a new text file
>emacs  my_perl1.pl
• Type:
#!/usr/bin/perl
# my first Perl program
print “Hello world \n”;

Awesome, isn’t it!
   
 Program details
• Perl programs always start with the line:
#!/usr/bin/perl
– this tells the computer that this is a Perl program and 
where to get the Perl interpreter
• All other lines that start with # are considered 
comments, and are ignored by Perl
• Lines that are Perl commands end with a  ;

   
 Run your Perl program
• >chmod u+x *.pl   
[#make the file executable]

• >perl my_perl1.pl
[#use the perl interpreter to run your script]

   
 Numbers and  Functions
• Perl handles numbers in most common formats:
456
5.6743
6.3E­26
• Mathematical functions work pretty much as you 
would expect:
4+7
6*4
43­27
256/12
2/(3­5)

   
 Do the Math 
(your 2nd Perl program)
#!/usr/bin/perl
print “4+5\n”;
print 4+5 , “\n”;
print “4+5=” , 4+5 , “\n”;

[Note: use commas to separate multiple items 
in a print statement, whitespace is ignored]

   
 Variables
• To be useful at all, a program needs to be able to 
store information from one line to the next
• Perl stores information in variables
• A variable name starts with the “$” symbol, and it 
can store strings or numbers
– Variables are case sensitive
– Give them sensible names
• Use the “=”sign to assign values to variables
$one_hundred = 100
$my_sequence = “ttattagcc”
   
 You can do Math with Variables
#!/usr/bin/perl
#put some values in variables
$sequences_analyzed = 200  ;
$new_sequences = 21   ;
#now we will do the work
$percent_new_sequences =( $new_sequences / 
                                                   $sequences_analyzed) *100  ;
print “% of new sequences = ” , $percent_new_sequences;
 % of new sequences = 952.381

   
 String Operations 
• Strings (text) in variables can be used for some math­
like operations
• Concatenate (join)  use the dot  .   operator
$seq1= “ACTG”;
$seq2= “GGCTA”;
$seq3= $seq1 . $seq2;
print $seq3
ACTGGGCTA
• String comparison (are they the same, > or <)
• eq (equal ) 
• ne (not equal )  Uses some non­intuitive
• ge (greater or equal )  ways of  comparing letters
• gt (greater than )   (ASCII values)
• lt (less than )
   
• le (less or equal )