☰

Cómo extraer valores menores que 0 y puntos de columnas específicas e imprimir la fila completa usando awk

tag-icon • tag-icon text-processing awk bioinformatics
Cómo extraer valores menores que 0 y puntos de columnas específicas e imprimir la fila completa usando awk

Tengo un archivo delimitado por tabulaciones, quiero extraer entradas "exónicas" de la segunda columna, entradas "SNV no sinónimas" de la tercera columna y valores que sean menores que (<1) y punto (.) de las columnas cuarta, quinta, séptima.

Chr     Func.refGene    ExonicFunc.refGene  1000g2015aug_eas 1000g2015a avsnp147    ExAC_ALL
chr1    intergenic      synonymous SNV      .                .          .           .
chr1    exonic          nonsynonymous SNV   1.2              .          .           .
chr2    exonic          nonsynonymous SNV   0.246            .          rs2022      0.4061
chr2    intronic        synonymous SNV      .                0.7386     rs2289093   0.7275
chr2    exonic          nonsynonymous SNV   0.6131           0.7376     rs227       0.7167
chr2    intergenic      nonsynonymous SNV   .                0.231      .           .
chr3    exonic          synonymous SNV      0.2192           0.2376     rs230       0.2205
chr3    intergenic      nonsynonymous SNV   2.01             0.2376     rs230       0.2204

Rendimiento esperado

chr2    exonic  nonsynonymous SNV   0.246   .       rs2289195   0.4061
chr2    exonic  nonsynonymous SNV   0.6131  0.7376  rs2276599   0.7167

El siguiente es el código que he escrito. awk -F'\t' '$2~/exonic/ && $3~/nonsynonymous SNV/ && $4~/^0/ && $5~/^0/ && $7~/^0/{print $0}' inputfile.txt >> outputfile.txtLas entradas de este extracto comienzan con cero (que es menor que 1) de las columnas 4,5 y 7, pero no sé cómo extraer las entradas que son menores que 1 y el punto (.)

Respuesta1

En lugar de pruebas de expresiones regulares, sugeriría comparaciones de cadenas para las cadenas y comparaciones numéricas para los números, es decir

$2 == "exonic"

y

$4+0 < 1

(las +0fuerzas de comparación numérica en lugar de léxica). Aparte de eso, es sólo cuestión de entender la lógica correcta:

$ awk -F'\t' '$2 == "exonic" && $3 == "nonsynonymous SNV" && ($4+0 < 1 || $4 == ".") && ($5+0 < 1 || $5 == ".") && ($7+0 < 1 || $7 == ".")' inputfile.txt
chr2    exonic  nonsynonymous SNV   0.246   .   rs2022  0.4061
chr2    exonic  nonsynonymous SNV   0.6131  0.7376  rs227   0.7167

información relacionada