Mercurial > repos > mgarnier > pangenome_cog_analysis

--- a/pangenomeCogAnalysis_V1.pl	Thu Aug 19 13:39:14 2021 +0000
+++ /dev/null	Thu Jan 01 00:00:00 1970 +0000
@@ -1,649 +0,0 @@
-#!/usr/bin/perl
-
-use strict;
-use warnings;
-
-my $num_args = $#ARGV + 1;
-if ($num_args != 9) {
-    print "Il n'y a pas le bon nombre d'arguments !\n";
-    exit;
-}
-
-# INPUT_
-my $matrix_file = $ARGV[0]; # fichier tabulé : une liste d'orthogroupes qui se retrouvent ou non dans les différentes souches
-my $species_file = $ARGV[1]; # association de chaque souche à son espèce (fichier tabulé également)
-my $annotation = $ARGV[2]; # collection de fichiers tabulés qui contiennent pour chaque gène la ou les catégories de COG associée(s)
-my $order = $ARGV[3]; # cette entrée correspond simplement au nom des souches qui sont rentrées dans le même ordre que les fichiers d'annotation : cela permet de savoir pour un fichier COG à quelle souche et donc plus tard à quelle espèce il correspond
-my $annotation_GFF = $ARGV[4]; # fichiers avec les GFF
-# my $order_GFF = $ARGV[5];
-
-# OUTPUT_
-my $output = $ARGV[5]; # liste des espèces avec leurs orthogroupes (présence-absence)
-my $output2 = $ARGV[6]; # fichier des moyennes
-my $output3 = $ARGV[7]; # fichier de la liste des valeurs pour chaque catégorie de COG et pour chaque espèce
-my $output4 = $ARGV[8]; # fichier avec les catégories de COG pour core-génome / génome accessoire / gènes spé
-
-
-# print "ok\n";
-# exit;
-
-my @list_gff = split(',', $annotation_GFF); # liste des différents fichiers GFF (qui se retrouvent dans le dossier Annotation Maker)
-my %hSpecies = (); # HASH -> key: N_Id (ex NF_AR12) ; val: nom de l'esp (ex Naegleria Fowleri)
-
-######################## LE SPECIES_FILE ###########################
-open (S, $species_file);
-while (my $line = <S>){
-
-    $line =~s/\n//g;  $line =~s/\r//g;
-    my @sp = split('\t', $line);
-    # print "$line\n";
-    # exit;
-    $hSpecies{$sp[0]} = $sp[1]; # HASH -> key: N_Id ; val: name
-
-}
- my $nbr = keys (%hSpecies); #compter le nombre de souches max
-                             # = taille de la table de hash
-# print "J'ai $nbr clés\n";
-# exit;
-
-close (S);
-
-#///////////////////////////////////////////////////////////////////////////////////////////////////
-
-############################################ LA MATRICE ############################################
-
-open(M, $matrix_file);
-
-my $first_line = <M>;
-$first_line =~s/\n//g;  $first_line =~s/\r//g; # ne garder que la première ligne du tableau
-my @samples = split(/\t/,$first_line); # mettre dans une liste (@samples) chaque intitulé de colonne = N_Id
-# print "$first_line\n";
-# exit;
-
-# Le but ici est de récupérer les combinaisons associées à chaque espèce : NF, NG et NL
-my %hCombination =(); # HASH -> key: N_Id ; val: combinaison
-
-for (my $i=1; $i <= $#samples; $i++){ # on parcourt chaque colonne ($i) mais on ne regarde que le N_Id
-    my $header = $samples[$i]; # on récupère le N_Id dans $header (soit le nom de la colonne i)
-    my $species = $hSpecies{$header}; # on regarde dans la table avec N_Id => Nom esp et on attribue à chaque header (qui est ici une clé) sa valeur donc son nom d'esp correspondant
-    $hCombination{$species} .= "_".$i; # à chaque tour de boucle, pour une $species spé va ajouter le n° de colonne $i pour avoir la combinaison spé à chaque esp
-    # print "$header\n";
-    # exit;
-}
-
-
-# foreach my $species (keys (%hCombination)){
-#     my $combination = $hCombination{$species};
-#     # print "$species $combination\n";
-# }
-
-
-# exit;
-
-# orthogrp présents :
-my %hCombination_prs = (); # HASH -> key: combinaison ; val: liste des orthogroupes
-# orthogrp absents :
-my %hCombination_abs = (); # idem
-
-
-
-my %coregenes = (); # HASH -> key: gene ; val: orthogroupe (pour core-genome)
-my %specificgenes = (); # HASH -> key: gene ; val: orthogroupe (pour gènes spécifiques)
-my %accessorygenes = (); # HASH -> key: gene ; val: orthogroupe (pour génome accessoire)
-
-my $coregene_line;
-my %coregenes2 = (); # HASH -> key1: colonne i ; key2: gène ; val: orthogroupe
-my %specificgenes2 = (); # HASH -> key1: colonne i ; key2: gène ; val: orthogroupe
-
-my %Genes_of_OG = (); # HASH -> key1: orthogroupe ; key2: colonne i ; val: gène
-
-
-while(<M>) {
-
-    my $line = $_;
-    $line =~s/\n//g; $line =~s/\r//g;
-    my $nb_found = 0;
-	my @infos = split(/\t/,$line);
-	my $orthogroup = $infos[0]; # on récupère le nom de l'orthogroupe dans $orthogroup
-    my $first_column = $infos[1]; # ici on récupère les gènes de la première colonne qui vont nous servir pour le core-génome
-    my $combi_prs = "";
-    my $combi_abs = "";
-    my $val;
-	my $gene_random;
-    my $unique_col_detected;
-
-
-    for (my $i=1; $i <= $#infos; $i++){ # on travaille par ligne puis dans chaque ligne (while(<M>)), cellule par cellule (cette boucle for)
-
-        $val = $infos[$i]; # on récupère l'information contenue dans la case $i
-
-		if ($val =~/\w/){  # s'il cette cellule contient qq chose...
-            $combi_prs .= "_".$i; # ...on va concaténer notre chaine $combi_prs pour que cela forme une combinaison
-            $nb_found++; # on incrémente le compteur qui permet de savoir cb de fois notre orthogroupe est présent (le but sera de l'utiliser quand nb_found == 9)
-            $gene_random=$val; # on récupère la valeur de la case (les gènes)
-            $unique_col_detected = $i;
-
-            my @table_genes = split (',', $val);
-            my $premier_gene = $table_genes[0];
-            $Genes_of_OG{$i}{$orthogroup} = $premier_gene; # pour chaque orthorgoupe de chaque colonne, on récupère le premier gène
-        }
-
-        else { # si jamais il n'y a rien dans la cellule...
-            $combi_abs .= "_".$i; # ... on fait la même chose mais avec $combi_abs
-        }
-
-    }
-
-        # $hCount{$combi}++;
-    $hCombination_prs{$combi_prs}.=$orthogroup."\n";  # à la fin de chaque ligne, on va ajouter notre orthogroupe à la combinaison qui lui correspond
-    $hCombination_abs{$combi_abs}.=$orthogroup."\n";
-
-
-
-    if ($nb_found == $#infos){ # si nb_found = au nombre de souche, c'est qu'on a à faire à un core-génome
-        # print "$orthogroup\n";
-        # print "$nb_found\n=================\n";
-        for (my $i=1; $i <= $#infos; $i++){
-            my @list_of_genes = split (',', $infos[$i]); # ici va séparer tous les gènes (qui se présentent comme une liste, séparés par des ',')
-            my $first_gene = $list_of_genes[0]; # prend la valeur du premier gène uniquement !
-            $coregenes{$first_gene}= $orthogroup; # on va récupérer ce premier gène qu'on met dans un hash (pour y avoir accès facilement, d'où val = 1, ici ça n'a pas d'importance)
-            $coregenes2{$i}{$first_gene}= $orthogroup;
-
-        }
-        if (!$coregene_line){
-            $coregene_line = $line;
-        }
-    }
-    elsif ($nb_found == 1) { # si on a un gène spé
-
-        # print "$gene_random\n";
-        # print "$line\n";
-        # print "$unique_col_detected\n";
-
-
-
-        my @list_of_genes = split (',', $gene_random); # idem, on ne veut qu'un seul gène donc on crée la liste
-        my $first_gene = $list_of_genes[0]; # on ne prend que le premier
-        # print "$first_gene\n";
-        # exit;
-        $specificgenes{$first_gene}= $orthogroup; # et pareil on crée la table de hash
-        $specificgenes2{$unique_col_detected}{$first_gene}= $orthogroup;
-    }
-
-    else { # là c'est le génome accessoire, i.e tout le reste !
-        my @list_of_genes = split (',', $gene_random);
-        my $first_gene = $list_of_genes[0];
-        $accessorygenes{$first_gene}= $orthogroup;
-    }
-
-}
-
-my %hCol_Annotated = (); # HASH -> key: colonne ; val: 1 (colonnes pour lesquelles les GFF sont présents)
-
-# Le but ici est de ne garder que les colonnes (donc les souches) qui ont un fichier GFF associé
-my @list_column = split ('\t', $coregene_line);
-for (my $i=1; $i <= $#list_column; $i++){
-    my @list_genes = split (', ', $list_column[$i]);
-    my $premier_gene = $list_genes[0];
-    my $strain = $samples[$i]; # récupérer le nom de la souche
-
-
-    foreach my $gff (@list_gff){
-        my $result_grep = `grep $premier_gene $gff`;
-
-        if ($result_grep){
-            $hCol_Annotated{$i}=$strain;
-
-        }
-        # print "$result_grep\n";
-    }
-}
-# exit;
-# foreach my $i (sort keys (%specificgenes2)){ # parcours de la table %hCount2 au niveau des catégories
-#     foreach my $gene (keys %{$specificgenes2{$i} }){ # parcours de la table %hCount2 au niveau des espèces
-#         print "$i\t$gene\t".$specificgenes2{$i}{$gene}."\n";
-#     }
-# }
-# exit;
-# while (my ($k,$v) = each(%strain_specie)) {
-#     print "i=$k strain=$v\n";
-# }
-# exit;
-# foreach my $oups (keys (%coregenes)) {
-#     print "$oups\n";
-# }
-    # exit;
-
-close (M);
-
-my %Hash_Specific = ();
-
-open (OUT, '>', $output) or die $!;
-print OUT "$annotation\n";
-foreach my $species (keys (%hCombination)){ # parcours de la table de hash %hCombination (key: nom esp ; val: combi)
-    my $combination = $hCombination{$species}; # on récupère dans la variable $combination la valeur de chaque clé {species} (= nom esp) de la table de hash %hCombination
-    my $ortho_presents = $hCombination_prs{$combination}; # $ortho_presents prend la valeur de chaque clé {combination} (récupérée juste au-dessus) de la table de hash %hCombination
-    my $ortho_absents = $hCombination_abs{$combination}; # en somme on a 3 combi possibles (_1_2_3_4_5 | _6 | _7_8_9) donc pour ces 3 combi-là, qui sont les clés de %hCombination_prs ou_abs, on va retrouver la liste des orthogroupes qui correspondent
-
-    # open (OUT,">results.list.txt");
-
-    if ($ortho_presents){
-    	print OUT "> $species - present\n";
-    	print OUT "$ortho_presents\n";
-        my @orthogroups_name = split ('\n', $ortho_presents);
-        foreach my $ortho (@orthogroups_name){
-            $Hash_Specific{$ortho} = $species;
-        }
-    }
-
-    if ($ortho_absents){
-        # open (OUT2,">$species.$combination.absents.list.txt");
-    	print OUT "> $species - absent\n";
-    	print OUT "$ortho_absents\n";
-    }
-
-# close(OUT2);
-}
-
-close(OUT);
-
-#//////////////////////////////////////////////////////////////////////////////////////////////////
-
-############################################### COG ###############################################
-
-# STEP 1 : CORRESPONDANCE ENTRE LES DIFFERENTS FICHIERS DE COG ET L'ORDRE --------------------------------------------
-my @files = split(',', $annotation); # liste des différents fichiers COG (qui se retrouvent dans le dossier Naegleria)
-my @list = split(',', $order); # liste de l'ordre des souches
-#my ($f,$l);
-
-my %hCorrespondance = (); #HASH -> key: un fichier COG ; val: un nom de souche (ces 2 données sont entrées en input = $annotation et $order)
-
-# ++++++++++++ parcours de 2 listes en même temps ++++++++++++ #
-my $l = 1;
-foreach my $f (@files){
-    $hCorrespondance{$f} = $list[$l]; # on fait correspondre pour chaque fichier de COG, un nom de souche
-    $l++;
-}
-
-# #Affichage du hash
-# foreach my $f (keys %hCorrespondance){
-#     print $f."=>".$hCorrespondance{$f}."\n"
-# }
-# exit;
-
-# STEP 2 : POUR CHAQUE FICHIER DE COG, FAIRE CORRESPONDRE L'ESPECE (ET NON LA SOUCHE) -------------------------------------
-my %hCorresp_file_species = (); # HASH -> key: un fichier de COG ; val: une espèce
-my %species_names; # HASH -> key: nom d'espèce ; val: 1
-
-foreach my $h (keys (%hCorrespondance)){ # parcours de la table de hash {fichier COG => nom souche}
-    my $smpl = $hCorrespondance{$h}; # $smpl prend la valeur de la clé (donc d'un nom de souche)
-    my $espece = $hSpecies{$smpl}; # on regarde la correspondance entre ce $smpl et les nom qu'on a dans notre table de hash %hSpecies (fichier "species.txt") pour avoir le nom de l'espèce dans $espece
-    $species_names{$espece} = 1; # on garde sous le coude nos nom d'espèce dans cette nouvelle table de hash
-    $hCorresp_file_species{$h} = $espece; # BUT ATTEINT : on donne pour chaque fichier de COG le nom de l'espèce qui lui correspond
-}
-# while (my ($k,$v) = each(%hCorresp_file_species)) {
-#             print "file=$k sp=$v\n";
-# }
-# exit;
-
-# STEP 3 : COMPTAGE DES CATEGORIES DE COG ------------------------------------------------------------------------------
-my %hCount2 = (); # HASH -> key1: catégorie de COG ; key2: espèce associée ; val: comptage
-
-# comptage du core-genome / des gènes spé / du génome accessoire
-my %hCore_Count = (); # HASH -> key: catégorie de COG ; val: comptage (ce hash ne sera utilisé que pour le core-genome)
-my %hSpecific_Count = (); # HASH -> key: catégorie de COG ; val: comptage
-my %hAccessory_Count = (); # HASH -> key: catégorie de COG ; val: comptage
-
-# hash pour récupérer le gène
-my %hCore_Cat = (); # HASH -> key: catégorie de COG ; val: gène
-my %hAccessory_Cat = (); # HASH -> key: catégorie de COG ; val: gène
-my %hSpecific_Cat = (); # HASH -> key: catégorie de COG ; val: gène
-
-# hash pour récupérer le gène
-my %hCore_Cat_Esp = (); # HASH -> key1: catégorie de COG ; key2: espèce ; val: gène
-my %hAccessory_Cat_Esp = (); # HASH -> key1: catégorie de COG ; key2: espèce ; val: gène
-my %hSpecific_Cat_Esp = (); # HASH -> key1: catégorie de COG ; key2: espèce ; val: gène
-
-my %Cog_of_gene = (); # HASH -> key: gène ; val: cat de COG
-my %Specie_of_gene = (); # HASH -> key: gène ; val: souche
-
-foreach my $file(@files){ # parcours de la liste des fichiers
-    my $esp = $hCorresp_file_species{$file}; # on récupère l'espèce pour chaque fichier de COG dans $esp
-    # print $esp."\n";
-    # exit;
-
-    my %hCount = (); # HASH -> key: catégorie de COG ; val: comptage
-
-
-    open (A, $file); # on va parcourir maintenant chaque fichier un à un
-
-    while (my $line2 = <A>){
-
-        $line2 =~s/\n//g;  $line2 =~s/\r//g; # on procède ligne par ligne
-        my @Genes = split('\t', $line2);
-        my $gene = $Genes[0];
-        my $first_cat = $Genes[2];
-        $Cog_of_gene{$gene} = $first_cat;
-
-        for (my $j=2; $j <= $#Genes; $j++) {
-            my $cat = $Genes[$j]; # on récupère la ou les catégorie(s) de COG
-            $hCount{$cat}++; # pour la catégorie donnée, on incrémente son nb d'occurences
-
-            if ($coregenes{$gene}){ # si le $gene fait bien partie du core-genome (donc de notre table de hash %coregenes)
-                $hCore_Count{$cat}++; # on incrémente le hash
-                $hCore_Cat{$cat}=$gene; # on récupère le nom du gène
-            }
-            if ($accessorygenes{$gene}){ # s'il fait partie des gènes accessoires
-                $hAccessory_Count{$cat}++;
-                $hAccessory_Cat{$cat}=$gene;
-            }
-            if ($specificgenes{$gene}){ # s'il fait partie des gènes spécifiques
-                $hSpecific_Count{$cat}++;
-                $hSpecific_Cat{$cat}=$gene;
-            }
-            # $hCount2{$cat}{$esp}++; # TABLE DE HASH AVEC CLES=CAT DE COG + ESPECE VAL=COMPTAGE
-        }
-
-    }
-    close (A);
-
-    # print "$file $esp\n=============\n";
-    while (my ($k,$v) = each(%hCount)) { # parcours de la table de hash de comptage
-            # print "cat=$k nb=$v\n";
-            $hCount2{$k}{$esp}.= "$v,"; # pour un $k (= une catégorie de COG) on lui associe son espèce et on donne la valeur du comptage qui vient de %hCount
-                                        # le but ici est en fait pour une espèce et une catégorie données on veut le nombre d'occurences par souche (pour NF par ex on aura 5 valeurs car il y a 5 souches)
-    }
-
-    # Récupérer les gènes du core-génome
-    while (my ($cat_core,$gene_core) = each(%hCore_Cat)) {
-        $hCore_Cat_Esp{$cat_core}{$esp}=$gene_core;
-    }
-    # Récupérer les gènes du génome-accessoire
-    while (my ($cat_acc,$gene_acc) = each(%hAccessory_Cat)) {
-        $hAccessory_Cat_Esp{$cat_acc}{$esp}=$gene_acc;
-    }
-    # Récupérer les gènes spécifique
-    while (my ($cat_spe,$gene_spe) = each(%hSpecific_Cat)) {
-        $hSpecific_Cat_Esp{$cat_spe}{$esp}=$gene_spe;
-    }
-
-}
-# foreach my $category (sort keys (%hSpecific_Cat_Esp)) { # parcours au niveau de la 1ere clé
-
-#      foreach my $especeee (keys %{$hSpecific_Cat_Esp{$category} }) { # parcours au niveau de la 2e clé pour la $category donnée
-
-#          print "$category\t$especeee\t$hSpecific_Cat_Esp{$category}{$especeee}\n"; # on crée une sortie qui affiche en somme notre hash %hCount2
-#      }
-# }
-# exit;
-
-# STEP 4 : AFFICHAGE DANS LE FICHIER DE SORTIE ------------------------------------------------------------------------------
-open (OUT4, ">$output4") or die $!;
-
-print OUT4 "Species"."\t"."COG categories"."\t"."Core-genome"."\t"."Accessory genome"."\t"."Specific genes"."\n";
-
-foreach my $category (sort keys (%hCount2)){ # parcours de la table %hCount2 au niveau des catégories
-    foreach my $especeee (keys %{$hCount2{$category} }){ # parcours de la table %hCount2 au niveau des espèces
-        print OUT4 "$especeee\t$category\t"; # affichage des esp puis des cat
-
-        # if ($hCore_Cat_Esp{$category}{$especeee}) {
-        #     print OUT4 "$hCore_Cat_Esp{$category}{$especeee}\t";
-        # }
-        my $c = 0;
-        if ($hCore_Count{$category}){ # si cette catégorie existe dans le core-génome
-            $c = ($hCore_Count{$category}/scalar keys (%coregenes))*100; # calcul du % du comptage
-        }
-        print OUT4 "$c\t"; # affichage du %
-
-        # if ($hAccessory_Cat_Esp{$category}{$especeee}) {
-        #     print OUT4 "$hAccessory_Cat_Esp{$category}{$especeee}\t";
-        # }
-        my $acc = 0;
-        if ($hAccessory_Count{$category}){ # si cette catégorie existe dans le génome accessoire
-            $acc = ($hAccessory_Count{$category}/scalar keys (%accessorygenes))*100; # calcul du % du comptage
-        }
-        print OUT4 "$acc\t"; # affichage du %
-
-        # if ($hSpecific_Cat_Esp{$category}{$especeee}) {
-        #     print OUT4 "$hSpecific_Cat_Esp{$category}{$especeee}\t";
-        # }
-        my $s = 0;
-        if ($hSpecific_Count{$category}){ # si cette catégorie existe dans les gènes spécifiques
-            $s = ($hSpecific_Count{$category}/scalar keys (%specificgenes))*100; # calcul du % du comptage
-        }
-        print OUT4 "$s\n"; # affichage du %
-    }
-}
-close (OUT4);
-
-open (OUT3, ">$output3") or die $!;
-foreach my $category (sort keys (%hCount2)) { # parcours au niveau de la 1ere clé
-
-     foreach my $especeee (keys %{$hCount2{$category} }) { # parcours au niveau de la 2e clé pour la $category donnée
-
-         print OUT3 "$category\t$especeee\t$hCount2{$category}{$especeee}\n"; # on crée une sortie qui affiche en somme notre hash %hCount2
-     }
-}
-
-close (OUT3);
-
-
-open (OUT2, ">$output2") or die $!;
-
-print OUT2 "category";
-foreach my $e (sort keys (%species_names)){ # on parcours le hash d'espèces...
-    print OUT2 "\t".$e; #... où on récupère le nom de celles-ci
-}
-print OUT2 "\n";
-
-foreach my $category (sort keys (%hCount2)) { # on parcourt de nouveau les catégories de notre hash à 2 clés
-    print OUT2 $category;
-
-    foreach my $especes (sort keys (%species_names)) { # on parcourt également le hash d'espèces
-
-        my $nbr = 0;
-        if ($hCount2{$category}{$especes}) { # si pour une catégorie et une espèce données, on a un nombre : $nbr prend la valeur de ce dernier
-            $nbr = $hCount2{$category}{$especes};
-        }
-        # $nbr =~s/\n//g;  $nbr =~s/\r//g;
-
-
-        my @liste = split(',', $nbr); # vu qu'il peut y avoir plusieurs nombres on les dissocie
-
-        my $somme=0;
-        my $n=0;
-        my $moyenne=0;
-        #print "\nma liste de $nbr: ".join("%",@liste)."\n";
-        foreach my $x (@liste) { # on parcourt nos nombres
-            $somme=$somme+$x;
-            $n=$n+1;
-        }
-
-        if ($n>0){
-            $moyenne = $somme/$n; # on fait le calcul de la moyenne
-        }
-        # print "$category, $especes: $hCount2{$category}{$especes}\t";
-        # print "moyenne = $moyenne\n=============\n";
-
-        print OUT2 "\t".$moyenne; # fichier de sortie
-    }
-print OUT2 "\n";
-}
-
-close (OUT2);
-
-# foreach my $cat (keys (%hCore_Cat)){
-#                 print OUT4 $c_gene."\t";
-#             }
-
-
-#//////////////////////////////////////////////////////////////////////////////////////////////////
-
-############################################### GFF ###############################################
-
-
-# my @order_gff = split(',', $order_GFF); # liste de l'ordre des souches
-my ($g,$o);
-
-my %hgff_order = (); #HASH -> key: un fichier GFF ; val: un nom de souche (ces 2 données sont entrées en input = $annotation_GFF et $order_GFF)
-my %Gene_position = ();
-my %Cat_genes = ();
-my %Cat_genes2 = ();
-
-my %hash_of_genes = ();
-
-
-foreach $g (@list_gff){
-    # print "$g\n";
-    # $hgff_order{$g} = $order_gff[$o++]; # on fait correspondre pour chaque fichier GFF, un nom de souche
-    open (G, $g);
-    while (<G>) {
-        my @table_gff = split (/\t/, $_);
-        my $chr = $table_gff[0];
-        my $start = $table_gff[3];
-        my $end = $table_gff[4];
-        my $gene_name = $table_gff[8];
-        my $type = $table_gff[2];
-
-
-#or $type eq "CDS"
-        if ($type && $type eq "mRNA" && $gene_name =~ /ID=([^;]+);/){
-            my $gene = $1;
-            # print $gene."\n";
-            # exit;
-            $hash_of_genes{$gene}=1;
-
-            foreach my $cog (keys (%hCore_Cat)){
-                if ($hCore_Cat{$cog} eq $gene){
-                  $Cat_genes{$gene}=$cog;
-                }
-            }
-            foreach my $cog_bis (keys (%hSpecific_Cat)){
-                if ($hSpecific_Cat{$cog_bis} eq $gene){
-                  $Cat_genes2{$gene}=$cog_bis;
-                }
-            }
-
-            $Gene_position{$gene}="$chr\t$start\t$end";
-        }
-
-        # foreach my $gene (keys (%hash_of_genes)){
-        #     my $orthogrp = $hGene_OG{$gene};
-        #     print "$orthogrp\n";
-        # }
-    }
-
-    close (G);
-}
-
-my %Hash_Convert = ( "A"=>1, "B"=>2, "C"=>3, "D"=>4, "E"=>5, "F"=>6, "G"=>7, "H"=>8, "I"=>9, "J"=>10, "K"=>11, "L"=>12, "M"=>13, "N"=>14, "O"=>15, "P"=>16, "Q"=>17, "R"=>18,"S"=>19, "T"=>20, "U"=>21, "V"=>22, "W"=>23, "X"=>24, "Y"=>25, "Z"=>26, "unknown"=>27);
-
-mkdir("Core");
-foreach my $i (keys (%coregenes2)){
-
-    if (!$hCol_Annotated{$i}) { # si le fichier GFF n'existe pas
-        next;
-    }
-
-
-    my $strain_name = $hCol_Annotated{$i};
-
-    my $specie_name = $hSpecies{$strain_name};
-
-
-
-    open (OUT5, "> Core/$strain_name.$specie_name.txt") or die "Cannot create file $!\n";
-    print OUT5 "Orthogroup\tGene\tChromosome\tStart\tEnd\tCOG categories\tNumber assigned\n";
-
-    my $refcoregenes2 = $coregenes2{$i};
-    my %subhash = %$refcoregenes2;
-    foreach my $gene (keys (%subhash)){
-    # print "$gene\n";
-        my $cat = "unknown";
-        if ($Cog_of_gene{$gene}){
-            $cat = $Cog_of_gene{$gene};
-        }
-        # if (!$Gene_position{$gene}){
-        #     print "$gene\n coucou"; exit;
-        # }
-
-        # if (!$subhash{$gene}){
-        #     print "$gene\n";
-        # }
-        print OUT5 $subhash{$gene}."\t"."$gene\t".$Gene_position{$gene}."\t".$cat."\t".$Hash_Convert{$cat}."\n";
-
-    }
-
-    close (OUT5);
-}
-
-mkdir("StrainSpecific");
-foreach my $i (keys (%specificgenes2)){
-
-    if (!$hCol_Annotated{$i}) { # si le fichier GFF n'existe pas
-        next;
-    }
-
-
-    my $strain_name = $hCol_Annotated{$i};
-
-    my $specie_name = $hSpecies{$strain_name};
-
-
-
-    open (OUT7, "> StrainSpecific/$strain_name.$specie_name.txt") or die "Cannot create file $!\n";
-    print OUT7 "Orthogroup\tGene\tChromosome\tStart\tEnd\tCOG categories\tNumber assigned\n";
-
-    my $refspecificgenes2 = $specificgenes2{$i};
-    my %subhash = %$refspecificgenes2;
-    foreach my $gene (keys (%subhash)){
-    # print "$gene\n"; exit;
-        my $cat = "unknown";
-        if ($Cog_of_gene{$gene}){
-            $cat = $Cog_of_gene{$gene};
-        }
-        # if (!$Gene_position{$gene}){
-        #     print "$gene\n coucou"; exit;
-        # }
-
-        # if (!$subhash{$gene}){
-        #     print "$gene\n";
-        # }
-        print OUT7 $subhash{$gene}."\t"."$gene\t".$Gene_position{$gene}."\t".$cat."\t".$Hash_Convert{$cat}."\n";
-
-    }
-
-    close (OUT7);
-}
-
-
-mkdir("GroupSpecific");
-foreach my $i (keys (%Genes_of_OG)){
-    if (!$hCol_Annotated{$i}) { # si le fichier GFF n'existe pas
-        next;
-    }
-
-    my $strain_name = $hCol_Annotated{$i};
-
-    my $specie_name = $hSpecies{$strain_name};
-
-    open (OUT6, "> GroupSpecific/$strain_name.$specie_name.txt") or die "Cannot create file $!\n";
-    print OUT6 "Orthogroup\tGene\tChromosome\tStart\tEnd\tCOG categories\tNumber assigned\n";
-
-    my $refGenes_of_OG = $Genes_of_OG{$i};
-    my %subhash = %$refGenes_of_OG;
-
-    foreach my $orthogroup (keys (%subhash)){
-        if ($Hash_Specific{$orthogroup} && $Hash_Specific{$orthogroup} eq $specie_name){
-            my $gene = $subhash{$orthogroup};
-
-            my $cat = "unknown";
-            if ($Cog_of_gene{$gene}){
-                $cat = $Cog_of_gene{$gene};
-            }
-            print OUT6 $orthogroup."\t".$subhash{$orthogroup}."\t".$Gene_position{$gene}."\t".$cat."\t".$Hash_Convert{$cat}."\n";
-        }
-
-    }
-    close (OUT6);
-}