☰

ビッグデータ分析のために何千ものファイルを繰り返していますか？

tag-icon • tag-icon bash shell-script bioinformatics
ビッグデータ分析のために何千ものファイルを繰り返していますか？

私はbashスクリプトの初心者です。誰でも助けることができますか？

  • ディレクトリ（）にファイルリスト（） pamlfiles/があります。*.fa
    OG0018053.fa
OG0018054.fa
OG0018055.fa
  • ファイルは次のようになります。 
    head -n 2 ../pamlfiles/*
==> ../pamlfiles/OG0018053.fa <==
>C.rhe
ATGAGG------------GTCCTCCTGCTTCTCGGATTGGTGGCTTTTGGCCTGGCTGAC

==> ../pamlfiles/OG0018054.fa <==
>L.fab
atg---------------------acggacgagatatctctggcgtgtggcatgtcagga

==> ../pamlfiles/OG0018055.fa <==
>A.ven
ATGAACACTGCCACTCCCACCGAGTTTGACTTCTCTTTCTTGGAAGAGGGCTTCTCCGCC
  • 次のスクリプト（）を使用して処理しますforloop.sh。 
    #!/bin/bash
for file in ../pamlfiles/*.fa
do
    filename=$(basename -- "$file")
    gene_name="${filename%%.*}"
    cp codeml_0_opt1_templ.ctl codeml_0.ctl
    sed -i -e "s/GENE/$gene_name/g" codeml_0.ctl
    codeml codeml_0.ctl
done

ただし、実行するとforloop.shエラーが発生します。

Sequence file ../pamlfiles/OG0018055 not found!

次のようになりますcodem1_0_opt1_templ.ctl。

head codeml_0_opt1_templ.ctl 
seqfile = ../pamlfiles/GENE
outfile = results/GENE_M0.txt
treefile = OG0018055.fa.m.fa.mt.py.nex.treefile
 
noisy = 9
verbose = 0 

runmode = 0
seqtype = 1  
CodonFreq = 2

私はどこで間違っていますか？

答え1

codem1プロセスの出力（それは何でも）を見ると、ファイルが見つからないことがわかりますOG0018055。これはファイルが実際に呼び出されるので論理的です。OG0018055.fa

スクリプトから.faファイル名行の拡張子を削除できます。

gene_name="${filename%%.*}"

遺伝子名を学びましょう。その後、sedファイルテンプレートのすべてのパターン発生を適切な遺伝子名に置き換えることができます。GENEただし、これは更新されたcodeml_0.ctlファイル内の行がseqfile次のようになることを意味します。

seqfile = ../pamlfiles/OG0018055

したがって、.faここに拡張はありません。

したがって、テンプレートファイルを修正して読んでください。

seqfile = ../pamlfiles/GENE.fa

これにより、.faファイル拡張子が失われることはありません。

関連情報