☰

DNAファイルのDNAコドンの計算

tag-icon • tag-icon bash shell-script shell awk
DNAファイルのDNAコドンの計算

dnaファイルをインポートし、改行文字や空白文字がないことを確認してから、固有のコドンとその発生回数を出力するbashスクリプトを作成したいと思います。次のコードを使用しましたが、codonは引き続き「bash-3.2 $」を提供しています。構文が間違っているのか、なぜ正しい出力が得られないのかが混乱しています。

! /bin/bash

for (( pos=1; pos < length - 1; ++pos )); do
    codon = substr($1, $pos, 3)
    tr-d '\n' $1 | awk -f '{print $codon}' | sort | uniq -c
done

たとえば、dnafile というファイルに aacacgaactttaacacg パターンが含まれている場合、スクリプトは次の入出力を使用します。

 $script dnafile              
 aac 3
 acg 2
 ttt 1

答え1

スクリプトの最初の行が新しいbashシェルを起動するので、対応する出力を取得します。

この行は読む必要があります

#!/bin/bash

（#始めに注意してください）。

次に、awk決して機能しない方法で構文とシェルコードを混在させます。

代わりに、単純に保ち、ファイルを3つの文字グループに分けて並べ替え、取得できる一意の文字数を数えます。

$ fold -w 3 dnafile | sort | uniq -c
   3 aac
   2 acg
   1 ttt

このアプローチは、入力が常に3文字の倍数を含み、埋め込まれたスペースや他の文字がない限り機能します。

答え2

(echo aacacgaactttaacacg ;echo aacacgaactttaacacg ) |
  perl -ne '# Split input into triplets (A3)
            # use each triplet as key in the hash table count
            #   and increase the value for the key
            map { $count{$_}++ } unpack("(A3)*",$_);
            # When we are at the end of the file
            END{ 
                 # Remove the key "" (which is wrong)
                 delete $count{""};
                 # For each key: Print key, count
                 print map { "$_ $count{$_}\n" } keys %count
            }'

答え3

やや冗長なawkバージョン

awk 'BEGINFILE{print FILENAME; delete codon}
     ENDFILE {
     if (NR!=1 || NF!=1 || length($0)%3!=0){
         print "is broken"}
     else{
         for (i=1; i<=length($0); i+=3) codon[substr($0,i,3)]++}; 
         for (c in codon) print c, codon[c]; 
         print ""}' file*

この入力の場合

ファイル1：確認

aacacgaactttaacacg

ファイル2：スペース

aacacgaact ttaacacg

ファイル3：改行文字

aacacgaact
ttaacacg

file4: 3塩基の倍数ではない

aacacgaactttaacac

あなたは得る

file1
aac 3
ttt 1
acg 2

file2
is broken

file3
is broken

file4
is broken

ファイルを回復したいとし、ファイルfile4がcat一方trの端から渡されたり、awk例のように他方の端から渡されたりするようなものがない場合

<<< $(cat file[1..3] | tr -d "\n ")

関連情報