为了能够得到INPUT1、2文件在捕获区间RANGE中的一致性，并统计其中的质量合格的SNP与INDEL数，于是写出了以下的一段程序...
效率实在太低了，请各位前辈给出一点宝贵的意见优化下程序，或是更好的方案  感激不尽!

以下是统计的部分,因为其它部分太长就不贴出了来了；
RANGE：捕获区间(第一列为染色号，如chr1 ，第二、三列为左闭右开的区间如2、5即为 [ 2 , 5 ) ； )
INPUT1、INPUT2:进行筛选与比对的vcf文件；

while(<RANGE>){
    chomp;
    my @s=split;
    while(<INPUT1>){
        chomp;
        next if(/#/);
        next if(/^(?!.*PASS)/);
        my @t=split;
        next if($s[0]ne$t[0]or$s[1]gt$t[1]or$t[1]ge$s[2]);
        my $id=join "-",$t[0],$t[1],$t[3],$t[4];
        if(/Dels=0.00/){
            $hash_s{$id}=0;
            $A_snp++;}
        elsif(/^(?!.*Dels)/){
            $hash_i{$id}=0;
            $A_indel++;}
}
seek INPUT1,0,0;
}
seek RANGE,0,0;
while(<RANGE>){
    chomp;
    my @s=split;
    while(<INPUT2>){
        chomp;
        next if(/#/);
        next if(/^(?!.*PASS)/);
        my @t=split;
        next if($s[0]ne$t[0]or$s[1]gt$t[1]or$t[1]ge$s[2]);
        my $id=join "-",$t[0],$t[1],$t[3],$t[4];
        if(/Dels=0.00/){                                                            
            $B_snp++;}                                                            
        if(/^(?!.*Dels)/){                                                         
            $B_indel++;}                                                     
        if(exists $hash_s{$id}){                                                  
                $S_share++;
        }
        elsif(exists $hash_i{$id}){
                $I_share++;
        }
}
seek INPUT2,0,0;
}

[此贴子已经被作者于2020-4-29 09:50编辑过]

你这个相当于每<RANGE> 就重新读取一边INPUT1 .INPUT2
应该先存放<RANGE>

my %range;
while(<RANGE>){
    chomp;
    my @s=split;
    $range{$s[0]}{$s[1]}{$s[2]}=1;#或者把区间长度也当一个键值存入,超出区间长度的肯定就是不要的.反正就是把循环数降低就怎么来
}
while(<INPUT1>){
        chomp;
        next if(/#/);
        next if(/^(?!.*PASS)/);
        my @t=split;
        if (exists $range{$t[0]}){#此处能过滤掉大部分数据,相当于给$s[0]建了一个索引
            foreach (keys %{$range{$t[0]}}){
                if ......这里做你定义的操作
            }
        }
            
}
seek INPUT1,0,0;

seek RANGE,0,0;

如果是个反复查询的功能.可以存到数据库里.建个索引来查询更简单.
类似于 select count(*) from ** where *=$s[0] and *>$s[1] and *<$s[2];

[此贴子已经被作者于2020-5-26 17:48编辑过]

恩，确实是这样的，这个程序跑起来效率非常低下
我刚学习所以还不太了解，请问应该怎么办才好呢

好的，非常感谢！
我马上测试一下