#########################################################################################################
################################### P R O G R A M A   2 #################################################
#########################################################################################################

 #!/usr/bin/perl -w
use strict;

## DEFINICION DE VARIABLES

my $fichero;  ## almacena el fichero de datos que entran
my $k;        ## almacena la longitud del motivo que buscamos

my $branch; ## almacena el $branch, si existe

my $intron; ## para el intros actual, almacena la especie
my $sp;     ## pars el intron actual, almacena el nombre del intron
my $seq;    ## para el intron actual, almacena la secuencia de nucleotidos

my @subSc;   ## guarda k-ameros de la secuencia 'Sc'
my @substar; ## guarda k-ameros de la secuencia 'star'
my $c;     ## indice para recorrer @subSc
my $m;     ## indice para recorrer @subSc y @subseq, posicion anterior al branch

my %contar; ## hash que almacena y cuenta k-ameros conservados

my @keys; ## vector per encuentra las claves del hash %hash
my $x;    ## indice para recorrer @keys


if(scalar(@ARGV)<2){
    print"Escribe: perl segundo.pl infile.txt longitud\n";
    exit (1);
};

$fichero = $ARGV[0];
$k = $ARGV[1];

if (!open(FITXER,"< $fichero")){
    print"segundo.pl: imposible abrir $fichero\n";
    exit (1);
};

## RECORRE EL FICHERO

$branch = 0;
while(<FITXER>){
    chomp;

    $m = 6;
    $c = 6; 

    ## ALMACENA EL BRANCH, si tiene
    if ($_ =~/\A\S+\sbranch\s(\d+)\Z/g){
	$branch = $1;
    };

    ## ENCUENTRA Y RECORRE LA SECUENCIA DE Sc
    if ($_=~/(\S+)\sSc\s([ACTG-]+)/g){
	$intron = $1;
	$seq = $2;
	$sp = 'Sc';	
	## si no tiene branch
	if ($branch == 0){
	    while($c <= (length($seq) - ($k+3))){
		$subSc[$c]= substr($seq,$c,$k);
		$c = $c + 1;
	    };
	};
	## si tiene branch
	if ($branch > 0){
	    while( $c <= (length($seq) - ($k+3))){
		if ( ( ($c + $k) <= $branch) || ($c > ($branch + 6))){
		    $subSc[$c] = substr($seq,$c,$k);
		};
		$c = $c + 1;
	    };
	};
    };

    ## ENCUENTRA Y RECORRE LA SECUENCIA DE ASTERISCOS
    if ($_=~/(\S+)\sstar\s([\* ]+)/g){ 
	$intron = $1; 
	$seq = $2;
	$sp = 'star'; 
	## si no tiene branch
	if($branch == 0){
	    
	    while($m <= (length($seq) - ($k+3))){
		$substar[$m]=substr($seq,$m,$k);
		if (($substar[$m]=~ m/\*{$k}/g) && exists $subSc[$m]){ 
		    ## SI ENCUENTRA UNA SECUENCIA CONSERVADA, LA GUARDA EN %CONTAR Y LE SUMA 1
		    if (!exists $contar{$subSc[$m]}){
			$contar{$subSc[$m]} = 0;
		    };
		    $contar{$subSc[$m]} = $contar{$subSc[$m]} + 1;   
		};
		$m = $m + 1;
	    };
	    
	};
	## si tiene branch
	if($branch > 0 ){
	    
	    while( $m <= (length($seq) - ($k+3))){
		if ( ( ($m + $k) <= $branch) || ($m > ($branch + 6))){
		    $substar[$m]=substr($seq,$m,$k);
		    if (($substar[$m]=~ m/\*{$k}/g) && exists $subSc[$m] ){ 
			## SI ENCUENTRA UNA SECUENCIA CONSERVADA, LA GUARDA EN %COMPTAR Y LE SUMA 1
			if (!exists $contar{$subSc[$m]}){
			    $contar{$subSc[$m]} = 0;
			};
			$contar{$subSc[$m]} = $contar{$subSc[$m]} + 1;    
		    };
		};
		$m = $m + 1;
	    };
	    
	};
	
	$branch = 0;
    };
};


## ORDENA Y MUESTRA
@keys = sort { $contar{$b} <=> $contar{$a} } (keys(%contar));
$x=0;
while ($x < scalar(@keys) ) {
    print$keys[$x],"\t",$contar{$keys[$x]},"\n";
    $x = $x + 1;
};