☰

フィールドの値を一致させ、一致に基づいてIDを割り当てます。

tag-icon • tag-icon awk bioinformatics
フィールドの値を一致させ、一致に基づいてIDを割り当てます。 
chr:pos1:pos2   Sun     NC      S1      S2      S3      S4      S9      S11     S14     S15     S16     S17     S18     S19     S28     S29     S30     S33     S34     S35     S36     S37     S38     S39
Aradu.A01:100145549:100145556   AG      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA      AA
Aradu.A01:100408119:100408137   CA      TA      0       0       0       TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      TA      0
Aradu.A01:10102206:10102212     TG      TA      TA      TA      TA      0       TG      TA      TA      TA      TG      TG      TG      TG      TG      TA      TG      TG      TA      0       TG      TG
Aradu.A01:10112010:10112029     GA      GG      GG      GG      GG      GG      GA      GG      GG      GG      GA      0       GA      GA      GA      GG      GA      GA      GG      GA      0       GA
Aradu.A01:10112029:10112059     AC      GC      GC      GC      GC      GC      AC      GC      GC      GC      AC      0       AC      AC      AC      GC      AC      0       GC      AC      0       AC
Aradu.A01:101198026:101198058   GT      GC      GC      GC      GT      GC      0       GT      GT      GC      GT      GT      GT      0       GT      GC      GT      GC      GC      GT      0       GT
Aradu.A01:101198058:101198081   TC      CC      CC      CC      TC      CC      0       TC      TC      CC      TC      TC      TC      0       TC      CC      TC      CC      CC      TC      0       TC
Aradu.A01:101306922:101306946   AG      AA      AA      AA      AG      0       AA      AG      AG      AA      0       AG      AG      AG      AG      AA      AG      AG      AA      AG      AG      AG

指定されたファイルで、4列から2列と3列までのすべてのフィールドの値を一致させようとしています。フィールド値（列4以上）が列2フィールドと一致する場合は、列3でS（一致する場合）としてマークし、Nとしてマークし、0の場合は-1を割り当てます。

私が試したことは次のとおりです。

NR>1  {for(i=4;i<=NF;i++)
        { if ( $i == $2 ) $i=S ;
          if ( $i == $3 ) $i=N ;
          if ( $i == 0 ) $i=-1 ;
       } ## if ;
       ## for loop is done
       print ;
       }

その結果、最初の3つのフィールドを除くすべてのフィールドに-1が割り当てられます。

答え1

これはトリックを行うようです

NR > 1 {
  for( i=4; i<NF; i++) {
    if( $i == $2 ) {
      $i = "S"
    }
    else if( $i == $3 ) {
      $i = "N"
    }
    else if( $i == 0 ) {
      $i = -1
    }
  }
  print
}

egというファイルに入れて、363142.awk以下を実行してください。

$ awk -f 363142.awk /path/to/input

答え2

perl -F\\s+ -pale '
   $. > 1 and /(?:\S+\s+){3}/g and
   s{\G(\S+)(\s*)}
   {
      ($1 eq $F[1] ? "S" : $1 eq $F[2] ? "N" : $1 eq "0" ? -1 : $1) . $2
   }cge;
' your_genes_file

オプション

  • -F\\s+FS1つ以上のスペースに設定=>/\s+/
  • -p暗黙的なファイルループが読み取り用に設定され、印刷が自動的に行われます。
  • -a-F各レコードは、オプションで提供されるフィールド分割区切り文字またはデフォルトの単一スペースに基づいて再分割されます。これらのフィールドは配列に保存されます@F。
  • -l設定するORS=RS=\n
  • -ePerl各レコードに適用するコードです。

説明する

最初の行処理をスキップします。-pオプションは慎重に印刷します。次に、正規表現エンジンタグを4番目のフィールドの先頭に配置します。なぜなら、すべてがここから始まらなければならないからです。次に、モードでコマンドを適用しますs///。 =>正規表現トークンは、最初からではなく最後のコマンドに保存された場所から始まります。 =>変換する行全体を見て、交換部分を実行するコードと見なし、その結果は置換部分に保存されます。globalcumulativeeval/cm//g/g/es//repl/Perl

GNU sed

書くことはできますが、POSIX sedコードは明確さを妨げるので、適切なレベルの練習でのみ使用する必要があります。

sed -e '
   1b

   # fence the column 2 and go looking for col2 matching fields from col 4 onwards
   s/\S\+/\n&\n/2
   :c2
   s/\(\n\(.*\)\n\s\+\S\+\s.*\)\<\2\>/\1S/g;tc2
   s/\n//g

   # fence the column 3 and go looking for col3 matching fields from col 4 onwards
   s/\S\+/\n&\n/3
   :c3
   s/\(\n\(.*\)\n.*\)\<\2\>/\1N/g;tc3
   s/\n//

   # from col 4 onwards look for any lone 0s and change them to -1
   :zm1
   s/\(\n.*\)\<0\>/\1-1/;tzm1
   s/\n//

' gene_file.dat

真珠

ここでは、@F配列のインデックス付けを妨げる先行スペースを削除し、データを印刷するときにそれを復元します。要素6を前に移動しmap（スペースは4 + 2）、列2/3または0に等しいことを確認します。

perl -F'(\s+)' -lane '
   print,next if $. == 1;
   my $dummy = splice @F, 0, 2 if /^\h/;
   print $dummy, @F[0..5], map {
      s/^\Q$F[2]\E$/S/ or s/^\Q$F[4]\E$/N/ or s/^0$/-1/; $_
   } @F[6 .. $#F];
' gene_file.dat

関連情報