bed和gff文件按染色体号排序

注释文件通常按照染色体序号升序排列，而有时需要我们对获取的注释文件进行排序。对于chr01这种直接sort就可以，但是对于chr1, chr2… chr11这种，直接sort的结果是chr11排在chr2前面。解决这种情况的方法很简单，提取染色体中的数字，然后使用sort的-n参数就可以。而写成脚本复用起来也比较方便。
有些物种染色体命名可能特殊，所以line 24的正则匹配要针对不同情况修改。现在的脚本匹配染色体命名为Chr chr CHR。

#!/usr/bin/perl
# 2020-11-12
# sort bed or gff file

my $usage="Usage: $0 <file.bed or file.gff3>\n";
my $input;
my $tmp="./sortBedGFF_tmp01";

if(@ARGV==1){
    $input=shift @ARGV;
}
else{
    die "$usage\n";
}

open INPUT,$input or die "fileOpenError: unable to open $input\n";
open TMP,">".$tmp;
while(<INPUT>){
    chomp;
    my $line=$_;
    my @line=split "\t",$line;
    my $chr=$line[0];
    my $mod_chr;
    if($chr=~/[cC][hH][rR](\d+)/){
        $mod_chr=$1;
    }
    else{
        $mod_chr=$chr;
        print STDERR "error in line $.: chromosome name ($chr) not match regular expression, you may change $0 in line 24\n"
    }
    print TMP "$mod_chr\t$line\n";    
}
close INPUT;
close TMP;

my $outfile=$input;
if($input=~/bed/){
    $outfile=~s/bed/sorted.bed/g;
    system("sort -k 1n,1 -k 3n,4n $tmp | sed 's/^[0-9]*\t//g' > $outfile");
}
elsif($input=~/gff/){
    $outfile=~s/gff.*/sorted.gff/g;
    system("sort -k 1n,1 -k 5n,6n $tmp | sed 's/^[0-9]*\t//g' > $outfile");
}

unlink $tmp; #remove temporary file
print STDERR "Finished\n";