作者热门文章
- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我有一个以下格式的大文件:
chr1 11873 12227 DDX11L1 . +
chr1 12612 12721 DDX11L1 . +
chr1 13220 14409 DDX11L1 . +
chr1 14361 14829 WASH7P . -
chr1 14969 15038 WASH7P . -
chr1 15795 15947 WASH7P . -
chr1 16606 16765 WASH7P . -
chr1 16857 17055 WASH7P . -
chr1 17232 17368 WASH7P . -
chr1 17368 17436 MIR6859-2 . -
chr1 17368 17436 MIR6859-1 . -
chr1 17605 17742 WASH7P . -
chr1 17914 18061 WASH7P . -
chr1 18267 18366 WASH7P . -
chr1 24737 24891 WASH7P . -
chr1 29320 29370 WASH7P . -
chr1 34610 35174 FAM138A . -
chr1 34610 35174 FAM138F . -
chr1 35276 35481 FAM138A . -
chr1 35276 35481 FAM138F . -
chr1 35720 36081 FAM138A . -
chr1 35720 36081 FAM138F . -
chr1 69090 69093 OR4F5 . +
chr1 69090 70005 OR4F5 . +
chr1 69090 70008 OR4F5 . +
chr1 70005 70008 OR4F5 . +
chr1 134772 139696 LOC729737 . -
chr1 139789 139847 LOC729737 . -
我想合并一个基因的所有亚型(第 4 列)的坐标。如果第四列中的值在列中相同,我想要第一个匹配行的第 2 列中的值和最后一个匹配行中的第 3 列的值。所以输出将变为。
chr1 11873 14409 DDX11L1 . +
chr1 14361 29370 WASH7P . -
chr1 17368 17436 MIR6859-2 . -
chr1 17368 17436 MIR6859-1 . -
chr1 34610 36081 FAM138A . -
chr1 34610 36081 FAM138F . -
chr1 69090 70008 OR4F5 . +
chr1 134772 139847 LOC729737 . -
提前致谢,期待积极的回应。
最佳答案
使用这个awk
:
awk '!a[$4]{b[i++]=$0} {a[$4]=$3} END{for(i in b){$0=b[i];$3=a[$4];print}}' file
!a[$4]
:应用于第 4 个字段最先出现的每一行
b[i++]=$0
:在这种情况下,用这些行填充数组 b
{a[$4]=$3}
适用于每一行。数组 a
填充了第三个字段,完成后存储第三个字段的最后值。END{...}
将在处理完所有行后执行
for(i in b)
遍历数组 b
。$0=b[i]
设置 $0
变量$3=a[$4]
第三个字段应该是最后一次出现print
打印行输出:
chr1 11873 14409 DDX11L1 . +
chr1 14361 29370 WASH7P . -
chr1 17368 17436 MIR6859-2 . -
chr1 17368 17436 MIR6859-1 . -
chr1 34610 36081 FAM138A . -
chr1 34610 36081 FAM138F . -
chr1 69090 70008 OR4F5 . +
chr1 134772 139847 LOC729737 . -
如果你想要它列,使用这个:
awk ... | column -t
关于LINUX AWK命令合并基因亚型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33038744/
以下问题专门针对生物技术应用,但可以说明其他领域类似问题的一般原则。这是一个 NP 难问题,可能与旅行商问题有关,我很好奇可以使用哪些算法来得出解决方案。 生物背景简介:蛋白质由 20 种氨基酸组成。
我是一名优秀的程序员,十分优秀!