- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我在处理 12 Gb 文件时遇到了问题。说到 Linux,我是个新手。我希望这里有人可以帮助我,任何建议都将不胜感激。
我有一个名为 phase_3.vcf 的文件,如下所示:
##INFO=<ID=EAS_AF,Number=A,Type=Float,Description="Allele frequency in the EAS populations">
##INFO=<ID=EUR_AF,Number=A,Type=Float,Description="Allele frequency in the EUR populations">
##INFO=<ID=AFR_AF,Number=A,Type=Float,Description="Allele frequency in the AFR populations">
##INFO=<ID=AMR_AF,Number=A,Type=Float,Description="Allele frequency in the AMR populations">
##INFO=<ID=SAS_AF,Number=A,Type=Float,Description="Allele frequency in the SAS populations">
#CHROM POS ID REF ALT QUAL FILTER INFO
1 10177 rs367896724 A AC . . dbSNP_150;E_Freq;E_1000G;EAS_AF=0.3363;SAS_AF=0.4949;AFR_AF=0.4909
1 10235 rs540431307 T TA . . dbSNP_150;E_Freq;E_1000G;EAS_AF=0.0000;AMR_AF=0.0014;
1 10352 rs555500075 T TA . . dbSNP_150;EAS_AF=0.4306;EUR_AF=0.4264;SAS_AF=0.4192;
1 10505 rs548419688 A T . . TSA=SNV;E_Freq;EAS_AF=0.0000;AMR_AF=0.0000;AFR_AF=0.0008
1 10506 rs568405545 C G . . dbSNP_150;TSA=SNV;MA=G;MAF=0.000199681;EAS_AF=0.0000;
我想保留前 5 列和字符串“EAS_AF=”以及后面的数字。
为简单起见,名为 result.txt 的结果的预期形式应如下所示:
#CHROM POS ID REF ALT INFO
1 10177 rs367896724 A AC EAS_AF=0.3363
1 10235 rs540431307 T TA EAS_AF=0.0000
1 10352 rs555500075 T TA EAS_AF=0.4306
1 10505 rs548419688 A T EAS_AF=0.0000
1 10511 rs534229142 G A EAS_AF=0.0000
1 10539 rs537182016 C A EAS_AF=0.0000
最佳答案
您的文件采用非常常见的生物信息学格式 (vcf)。因此,生物信息学中有专门为解决您的任务而设计的工具:例如bcftools有一个选项可以删除除一个之外的所有信息元素。
此工具的缺点是它严格要求 vcf 格式。所以它会在你的例子中产生错误。但我认为你缩短了这篇文章的标题,在你的原始文件上应该没问题。为了让它对我可用,我必须按照 format definition 中的描述调整标题通过在标题中为您在变体中注释的每个不同信息添加文件格式和信息行:
##fileformat=VCFv4.1
##FILTER=<ID=PASS,Description="All filters passed">
##INFO=<ID=dbSNP_150,Number=0,Type=Flag,Description="has dbSNP 150 entry">
##INFO=<ID=E_Freq,Number=0,Type=Flag,Description="has E_Freq entry">
##INFO=<ID=E_1000G,Number=0,Type=Flag,Description="has E_1000G entry">
##INFO=<ID=EAS_AF,Number=A,Type=Float,Description="Allele frequency in the EAS populations">
##INFO=<ID=EUR_AF,Number=A,Type=Float,Description="Allele frequency in the EUR populations">
##INFO=<ID=AFR_AF,Number=A,Type=Float,Description="Allele frequency in the AFR populations">
##INFO=<ID=AMR_AF,Number=A,Type=Float,Description="Allele frequency in the AMR populations">
##INFO=<ID=SAS_AF,Number=A,Type=Float,Description="Allele frequency in the SAS populations">
##INFO=<ID=TSA,Number=1,Type=String,Description="No idea">
##INFO=<ID=MA,Number=1,Type=String,Description="Minor Allele">
##INFO=<ID=MAF,Number=1,Type=Float,Description="Minor Allele Frequency">
##contig=<ID=1>
##bcftools_annotateVersion=1.4-23-ga468a83+htslib-1.4-34-g8e1be4a
##bcftools_annotateCommand=annotate -x QUAL test2.vcf.gz; Date=Thu Jun 28 17:58:17 2018
#CHROM POS ID REF ALT QUAL FILTER INFO
1 10177 rs367896724 A AC . . dbSNP_150;E_Freq;E_1000G;EAS_AF=0.3363;SAS_AF=0.4949;AFR_AF=0.4909
1 10235 rs540431307 T TA . . dbSNP_150;E_Freq;E_1000G;EAS_AF=0;AMR_AF=0.0014
1 10352 rs555500075 T TA . . dbSNP_150;EAS_AF=0.4306;EUR_AF=0.4264;SAS_AF=0.4192
1 10505 rs548419688 A T . . TSA=SNV;E_Freq;EAS_AF=0;AMR_AF=0;AFR_AF=0.0008
1 10506 rs568405545 C G . . dbSNP_150;TSA=SNV;MA=G;MAF=0.000199681;EAS_AF=0
根据您的 header ,您可能需要执行两个额外的步骤才能使用此工具。首先是使用 bgzip 压缩您的输入:
bgzip phase_3.vcf
其次是制作一个 tabix-index 来快速访问您的压缩文件(这会创建一个额外的文件 phase_3.vcf.gz.tbi 作为输出):
tabix phase_3.vcf.gz
在您以正确的格式输入后对 bcftools 的实际调用只是:
bcftools annotate -x ^INFO/EAS_AF phase_3.vcf.gz >phase_3_output.vcf
通过这些步骤,我得到的结果非常接近您想要的输出:
##fileformat=VCFv4.1
##FILTER=<ID=PASS,Description="All filters passed">
##INFO=<ID=EAS_AF,Number=A,Type=Float,Description="Allele frequency in the EAS populations">
##contig=<ID=1>
##bcftools_annotateVersion=1.4-23-ga468a83+htslib-1.4-34-g8e1be4a
##bcftools_annotateCommand=annotate -x ^INFO/EAS_AF test2.vcf.gz; Date=Thu Jun 28 17:59:04 2018
#CHROM POS ID REF ALT QUAL FILTER INFO
1 10177 rs367896724 A AC . . EAS_AF=0.3363
1 10235 rs540431307 T TA . . EAS_AF=0
1 10352 rs555500075 T TA . . EAS_AF=0.4306
1 10505 rs548419688 A T . . EAS_AF=0
1 10506 rs568405545 C G . . EAS_AF=0
使用 head 删除前几行,使用 cut 删除 QUAL 和 FILTER 列并使用 sed 将 0 重写为 0.0000 完成您的任务:
bcftools annotate -x ^INFO/EAS_AF phase_3.vcf.gz | tail -n +7 | cut -f1-5,8 |sed 's/=0$/=0.0000/g' >phase_3_output_finished.vcf
你得到了想要的结果:
#CHROM POS ID REF ALT INFO
1 10177 rs367896724 A AC EAS_AF=0.3363
1 10235 rs540431307 T TA EAS_AF=0.0000
1 10352 rs555500075 T TA EAS_AF=0.4306
1 10505 rs548419688 A T EAS_AF=0.0000
1 10511 rs534229142 G A EAS_AF=0.0000
1 10539 rs537182016 C A EAS_AF=0.0000
根据您的最终目标,您甚至可以通过了解 bcftools 等工具的选项,找到无需此处讨论的此步骤即可实现目标的方法。 .
因为您正在处理生物信息学数据,您可能会在相应的社区中找到更多帮助,例如 biostars或 bioinformatics.stackexchange
关于python - 使用 linux 或 python 从文件中提取特定的列和字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51084661/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!