☰

n 回目の繰り返しの列データの読み取り/操作

tag-icon • tag-icon text-processing awk
n 回目の繰り返しの列データの読み取り/操作

さまざまなサンプルの遺伝子の数を示すマトリックスがあります

Col1: GeneName
Col2: Length
Col3;Col4;Col5; Counts for genes in sampleA/sampleB/sampleC
Col6;Col7;Col8; Total counts in sampleA/sampleB/sampleC

これはマトリックスの例です。

A1BG    1758    53  4373    207 46005749    43849471    31554941 
A1BG-AS1    2126    5   88  12  46005749    43849471    31554941
A1CF    9695    8882    3522    437 46005749    43849471    31554941 
A2M 5399    15963   12325   7227    46005749    43849471    31554941 
A2M-AS1 6660    50  33  36  46005749    43849471    31554941

counts_sampleA / (total_counts_sampleA*Length) を他のサンプルについても同様に割り算したい

cat inFile | awk 'BEGIN {OFS="\t"} { print $1,$2,$3/($6*$2),$4/($7*$2),$5/($8*$2) }'

これは予想通りの結果だ

A1BG    1758    6.55307e-10 5.67278e-08 3.73151e-09  
A1BG-AS1    2126    5.11204e-11 9.43963e-10 1.78875e-10   
A1CF    9695    1.99136e-08 8.28471e-09 1.42845e-09   
A2M 5399    6.42672e-08 5.20606e-08 4.24207e-08   
A2M-AS1 6660    1.63186e-10 1.12999e-10 1.71301e-10

問題なく動作しますが、マトリックスが大きい場合は適していません。サンプルが 100 個あり、column3-column102 に geneCountinEachSample が含まれ、Coulmn103-column202 に totalCountinEachSample が含まれる場合は、どのように記述すればよいでしょうか。

for ループで使用したいのですが、サンプルがさらに多い場合は、任意の数の列で動作しますか?

cat inFile | awk 'BEGIN {OFS="\t"} { row=NF; samples=3; size=$samples+2; for ( i=3; i<=$size; i++); END print $i/$[$i+$samples] }'

これを機能させる方法について何か提案があれば教えてください。 ありがとうございます!

答え1

さて、あなたはほぼ答えを得ました:

awk '
     {cols=((NF/2) + 1)
      for (i=1; i <= cols; i++) {
          if (i >= 3) {
              count_index= i + cols - 2
              printf("%s\t", 1.0 * $i / ($count_index * $2))
          } else {
              printf("%s\t", $i) 
          }
      }
      printf("\n")
     }' inFile

を使用するのは最適ではないことに注意してくださいcat file | awk ...。awkはファイルを直接引数として扱います。それでも、を使用する方がawk ... < infile猫の無駄な使い方。

答え2

perl -F'\s+' -lane '$,="\t"; # OFS made a TAB
   my($gN, $gL) = splice @F, 0, 2; # store gene name & length
   print $gN, $gL, map { sprintf "%.5e", $F[$_] / ( $F[$_+@F/2] * $gL ) } 0 .. @F/2-1;
' gene_samples.file
  • FS1 つ以上の空白に設定されます。
  • ORS = RS = \n
  • @F特定のレコードのフィールドを保持します。
  • spliceオフセット 0 から始まる 2 つの要素を分割し、配列のサイズも削減します。
  • OP 仕様によると、@F に残っているのは偶数要素です。前半は counts_for_each_sample で、後半は total_count_for_each_sample です。

結果

A1BG      1758  6.55307e-10  5.67278e-08  3.73151e-09
A1BG-AS1  2126  5.11204e-11  9.43963e-10  1.78875e-10
A1CF      9695  1.99136e-08  8.28471e-09  1.42845e-09
A2M       5399  6.42672e-08  5.20606e-08  4.24207e-08
A2M-AS1   6660  1.63186e-10  1.12999e-10  1.71301e-10

関連情報