代码之家 › 专栏 › 技术社区 › pedro

使用条件反转特定字段中的字符串

awk perl bash

-1

pedro · 技术社区 · 2 年前

我有这个文件:

m64071_220512_054244/12584899/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/128321000/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/132186699/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA

我需要 tr 和 reverse 字段$4和$5仅当 $2==rev

预期:

m64071_220512_054244/12584899/ccs rev pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/128321000/ccs rev pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/132186699/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA

我试过:

perl -lpe 'if(/rev/) {$rev=/rev/;next}; if ($rev) {$F[4,5]=~tr/ATGC/TACG/; $F[4,5]=reverse $F[4,5]; print "@F"}' file

我也试着和awk一起去( Execute bash command inside awk and print command output )

awk '{
            if($2==rev)
        {
            cmd1="echo \047" $4 "\047 | rev | tr \047ATGC\047 \047TACG\047" 
            cmd2="echo \047" $5 "\047 | rev | tr \047ATGC\047 \047TACG\047"
            newVar1=((cmd1 | getline line) > 0 ? line : "failed") 
            newVar2=((cmd2 | getline line) > 0 ? line : "failed")
            close(cmd)
            print $1, $2, $3, newVar1, newVar2
        }
        else {print}
}' file

2 回复 | 直到 2 年前

zdim 2 年前

按照问题的尝试:

perl -w -lanE'
    if ($F[1] eq "rev") { 
        for (@F[3,4]) { tr/ATGC/TACG/; $_ = reverse $_ } 
    } 
    say "@F"
' file

可以把它放在一行上(或者复制粘贴到大多数shell中),为了可读性,我把它展开。或者,把它放在一个程序中,特别是如果有更多的事情要做的话。

编辑--对问题中的代码的评论

让它将输入字符串分解为 @F 数组(“ 自动拆分 “)需要 -a flag
由于您明确地打印了需要使用的内容 -n 标志,不是 -p
行中的字段4和5是数组元素3和4
我认为通过 $F[4,5] 你指的是两个数组元素(应该是3,4)。那么,应该是 @F[3,4] --和 -w flag,作为警告,我们会听到它
更重要的是,我们不能绑定正则表达式或 tr 模式转换为列表,但仅转换为单个标量。为了应用 tr 到多个项目需要对它们进行迭代,如上所述。
循环块中的代码 @F[3,4] 元素在数组的每个元素上运行,并在适当的位置对其进行修改(因为 $_ 只是数组元素的别名),首先使用 tr 然后通过(反转和)分配。所有这些也可以写成
```
$_ = reverse tr/ATGC/TACG/r  for @F[3,4];
```
这个 r 修改器制造 tr 返回更改后的字符串,然后 reverse -ed,然后通过 $_ 它的别名

Alex Reynolds 2 年前

以下是在Python中执行此操作的方法:

#!/usr/bin/env python

import io
import sys

RECORDS_STR = '''m64071_220512_054244/12584899/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/128321000/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/132186699/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA'''

'''
fast pure-Python reverse complement, courtesy of Devon Ryan
ref. https://bioinformatics.stackexchange.com/a/3585/776
'''
DNA_TABLE = str.maketrans("ACTGactg", "TGACtgac")
def reverse_complement(seq):
    return seq.translate(DNA_TABLE)[::-1]

def main():
    records = io.StringIO(RECORDS_STR) # replace with sys.stdin etc.
    for line in records:
        elems = line.rstrip().split()
        if elems[1] == 'rev':
            elems[3] = reverse_complement(elems[3])
            elems[4] = reverse_complement(elems[4])
        sys.stdout.write('{}\n'.format('\t'.join(elems)))

if __name__ == "__main__":
    main()

输出:

m64071_220512_054244/12584899/ccs   rev pet047-10055    TCACAAGGTCGCACGT    TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/128321000/ccs  rev pet047-10055    TCACAAGGTCGCACGT    TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/132186699/ccs  fwd pet047-10055    TCACAAGGTCGCACGT    TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs  fwd pet047-10055    TCACAAGGTCGCACGT    TCACAAGGTCGCACGTTTGAACCCTCAA