
Eu tenho uma matriz onde tenho contagens de genes em amostras diferentes
Col1: GeneName
Col2: Length
Col3;Col4;Col5; Counts for genes in sampleA/sampleB/sampleC
Col6;Col7;Col8; Total counts in sampleA/sampleB/sampleC
Este é um exemplo de matriz.
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
Quero dividir counts_sampleA / (total_counts_sampleA*Length) e assim por diante para outras amostras
gato no arquivo | awk 'BEGIN {OFS="\t"} { imprimir $1,$2,$3/($6*$2),$4/($7*$2),$5/($8*$2) }'
Este é o resultado esperado
A1BG 1758 6.55307e-10 5.67278e-08 3.73151e-09
A1BG-AS1 2126 5.11204e-11 9.43963e-10 1.78875e-10
A1CF 9695 1.99136e-08 8.28471e-09 1.42845e-09
A2M 5399 6.42672e-08 5.20606e-08 4.24207e-08
A2M-AS1 6660 1.63186e-10 1.12999e-10 1.71301e-10
Funciona bem, mas não é bom quando a matriz é grande. Como eu escreveria se houvesse 100 amostras, onde column3-colum102 teria geneCountinEachSample e Coulmn103-column202 teria totalCountinEachSample.
Quero usá-lo com um loop for, então quando houver mais amostras, ele funcionará com um número arbitrário de colunas?
cat inFile | awk 'BEGIN {OFS="\t"} { row=NF; samples=3; size=$samples+2; for ( i=3; i<=$size; i++); END print $i/$[$i+$samples] }'
Qualquer sugestão sobre como fazer isso funcionar. Obrigado !
Responder1
Bem, você quase conseguiu a resposta:
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", $i)
}
}
printf("\n")
}' inFile
Observe que using cat file | awk ...
não é o ideal, o awk trata arquivos diretamente como argumentos; mesmo assim, fazendoawk ... < infile
seria melhor do queum uso inútil de gato.
Responder2
perl -F'\s+' -lane '$,="\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
FS
está definido para um ou mais espaços em branco.ORS = RS = \n
@F
contém campos para um determinado registro.splice
separa 2 elementos a partir do deslocamento 0 e também reduz o tamanho do array.- Das especificações do OP, o que resta em @F são elementos pares. A primeira metade é counts_for_each_sample e a última metade é total_count_for_each_sample.
Resultados
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