☰

Spaltendaten für n-te Wiederholung lesen/manipulieren

tag-icon • tag-icon text-processing awk
Spaltendaten für n-te Wiederholung lesen/manipulieren

Ich habe eine Matrix, in der ich Genzählungen in verschiedenen Proben habe

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

Dies ist eine Beispielmatrix.

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

Ich möchte counts_sampleA / (total_counts_sampleA*Length) teilen, und so weiter für andere Proben

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

Dies ist das erwartete Ergebnis

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

Funktioniert gut, ist aber nicht gut, wenn die Matrix groß ist. Wie würde ich schreiben, wenn es 100 Proben gibt, wobei column3-column102 geneCountinEachSample und Coulmn103-column202 totalCountinEachSample enthalten würde.

Ich möchte es mit einer For-Schleife verwenden, sodass es bei mehr Samples mit einer beliebigen Spaltenzahl funktioniert?

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

Irgendwelche Vorschläge, wie man das zum Laufen bringen kann? Danke!

Antwort1

Nun, da haben Sie fast die Antwort:

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

Beachten Sie, dass die Verwendung von cat file | awk ...suboptimal ist, da awk Dateien direkt als Argumente verarbeitet. Trotzdem awk ... < infilewäre die Verwendung von besser alseine sinnlose Verwendung von Katze.

Antwort2

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
  • FSist auf ein oder mehrere Leerzeichen gesetzt.
  • ORS = RS = \n
  • @Fenthält Felder für einen bestimmten Datensatz.
  • splicebricht 2 Elemente ab, beginnend beim Offset 0, und reduziert auch die Array-Größe.
  • Aus der OP-Spezifikation geht hervor, dass das, was in @F übrig bleibt, geradzahlige Elemente sind. Die erste Hälfte ist counts_for_each_sample und die zweite Hälfte ist total_count_for_each_sample.

Ergebnisse

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

verwandte Informationen