☰

パターンを検索し、別のファイルに行を追加します

tag-icon • tag-icon text-processing
パターンを検索し、別のファイルに行を追加します

このようなファイルがあります（タブで区切られた5つの列）

head allKO.txt
Metabolism Carbohydrate metabolism Glycolisis K07448
Metabolism Protein metabolism protesome K02217

ファイル の 5 列目でパターン (文字列) を検索しKEGG.annotations、見つかった場合は、KEGG.annotationsパターンが見つかった行と のすべての列の両方を別のファイルに出力しますallKO.txt。パターンを検索するファイルは次のとおりです。

head KEGG.annotations
>aai:AARI_24510  proP; proline/betaine transporter; K03762 MFS transporter, MHS family, proline/betaine transporter
>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
>aai:AARI_28260  hypothetical protein
>aai:AARI_29060  ABC drug resistance transporter, inner membrane subunit; K09686 antibiotic transport system permease protein
>aai:AARI_29070  ABC drug resistance transporter, ATP-binding subunit (EC:3.6.3.-); K09687 antibiotic transport system ATP-binding protein
>aai:AARI_29650  hypothetical protein
>aai:AARI_32480  iron-siderophore ABC transporter ATP-binding subunit (EC:3.6.3.-); K02013 iron complex transport system ATP-binding protein [EC:3.6.3.34]
>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein

次のようなものがほしいです:

Metabolism Carbohydrate metabolism Glycolisis K07448 >aai:AARI_33320 mrr; restriction system protein Mrr; K07448 restriction system
Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]

>aai:AARI_33320 mrr; restriction …最初の行に追加されるテキストは の 8 行目であり、これはの 1 行目から ID フィールド (5 番目のフィールド) である をKEGG.annotations含むものであることに注意してください。K07448allKO.txt

パターン ファイルを使用するために、このコードをどのように変更すればよいでしょうか? これは、検索する特定のパターンを含む列が 1 つだけあるパターン ファイルで機能します。

while read pat; do
    grep "$pat" --label="$pat" -H < KEGG.annotations;
done < allKO.txt > test1

答え1

すでに持っているコードを使って作業することもできます。行を配列に格納し、5 番目の要素に一致させます。

while read -r line; do
    [ -z "$line" ] && continue
    patlist=($line)
    pat=${patlist[4]}
    grep "$pat" --label="$line" -H < KEGG.annotations
done < allKO.txt

戻り値：

Metabolism Carbohydrate metabolism Glycolisis K07448:>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein
Metabolism Protein metabolism protesome K02217:>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]

答え2

これはあなたが求めているものを実現するようです:

while read w1 w2 w3 w4 ID
do
    printf "%s " "$w1 $w2 $w3 $w4 $ID"
    if ! grep "$ID" KEGG.annotations
    then
        echo
    fi
done < allKO.txt

これにより、出力が画面に書き込まれます。出力をファイルにキャプチャするには、最後の行に出力 ( >) リダイレクト (例) を追加します。> test1

  • あなたの例に基づくと、キー/IDフィールド（「パターン」）は5番目の五ファイル内にフィールドがないallKO.txtので、read w1 w2 w3 w4 ID. これはタブ区切りのファイルだとおっしゃっていますが、どのフィールドにもスペースが含まれていないと想定しています。
  • printfの行（つまり、フィールド）を（ ）で書き出しますallKO.txt。末尾にスペースを入れますが、改行文字は入れません。
  • ファイル内で ID ( の行の 5 番目のフィールド)を検索します ( grep) 。これらは完全な行 (改行を含む) になります。KEGG.annotationsallKO.txt
  • が失敗した場合はgrep、 が失敗したため、改行を書き込みますprintf。

  • これにより、ID が存在しない行はKEGG.annotations そのまま出力に書き込まれることになります。

    Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
This ID doesn’t exist: K99999

    複数存在する ID は追加行として書き込まれます ( のデータは繰り返されませんallKO.txt)。

    Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
This is a hypothetical additional line from KEGG.annotations that mentions “K02217”.

関連情報