张婷婷 庞雪原 晏佳芸

摘  要：生命科学领域中无论是PCR还是测序，都需要了解目的核酸的GC含量。由于目前缺乏独立统计核酸GC含量的程序。该文采用Perl语言编程，设计处理了核酸序列统计GC含量的程序。程序采用了BioPerl环境，利用字符串拆分、遍历算法和正则表达式对核酸序列进行GC碱基的挖掘。最后该脚本可以应用于Windows和Linux系统。适合用于多环境。

关键词：GC含量  生命科学  Perl语言编程  字符串拆分  正则表达式

中图分类号：TP311.1   文献标识码：A           文章编号：1672-3791（2019）05（a）-0022-02

在生命科学领域中无论是设计引物还是分析高通量测序数据质量都非常关注核酸的GC含量[1]。这是因为在DNA双链中G碱基与C碱基是互补配对的，而且两个配对碱基之間有3个氢键连接（A碱基与T碱基之间是2个氢键连接）。所以GC含量的多少对于核酸稳定性来说是十分重要的一个因素，GC含量越高核酸的退火温度越高，核酸也越相对更稳定。在高通量数据质控中，GC含量也是非常重要的因素。通过检测GC含量可以判断测序仪测序是否测序足够随机，是否有其他DNA污染。但是，目前没有一个能够独立统计核酸GC含量的程序。虽然在Primer软件中有统计GC含量的插件，但是不可能把所有的序列都放入Primer中进行逐一统一序列的GC含量，高通量分析软件fastqc也有统计GC含量插件，但是该软件仅仅识别fq文件，对于fa文件则不识别。绝大多数时候我们所用的文件是fa（FASTA）文件。

Perl是一种稳定的跨平台编程语言，是报表提取和报告语言（Practical Extraction and Report Language）的缩写[2]。它适合用于处理字符串类型的数据。……