
У меня есть матрица, в которой указаны количества генов в разных образцах.
Col1: GeneName
Col2: Length
Col3;Col4;Col5; Counts for genes in sampleA/sampleB/sampleC
Col6;Col7;Col8; Total counts in sampleA/sampleB/sampleC
Это пример матрицы.
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
Я хочу разделить counts_sampleA / (total_counts_sampleA*Length) и так далее для других выборок.
cat inFile | awk 'BEGIN {OFS="\t"} { print $1,$2,$3/($6*$2),$4/($7*$2),$5/($8*$2) }'
Это ожидаемый результат.
A1BG 1758 6.55307e-10 5.67278e-08 3.73151e-09
A1BG-AS1 2126 5.11204e-11 9.43963e-10 1.78875e-10
A1CF 9695 1.99136e-08 8.28471e-09 1.42845e-09
A2M 5399 6.42672e-08 5.20606e-08 4.24207e-08
A2M-AS1 6660 1.63186e-10 1.12999e-10 1.71301e-10
Работает хорошо, но не очень хорошо, когда матрица большая. Как бы я записал, если есть 100 образцов, где column3-colum102 будет иметь geneCountinEachSample, а Coulmn103-column202 будет иметь totalCountinEachSample.
Я хочу использовать его с циклом for, чтобы при наличии большего количества выборок он работал с произвольным количеством столбцов?
cat inFile | awk 'BEGIN {OFS="\t"} { row=NF; samples=3; size=$samples+2; for ( i=3; i<=$size; i++); END print $i/$[$i+$samples] }'
Есть предложения, как это сделать? Спасибо!
решение1
Ну, вы почти получили ответ:
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", $i)
}
}
printf("\n")
}' inFile
Обратите внимание, что использование cat file | awk ...
не является оптимальным, awk обрабатывает файлы как аргументы напрямую; даже в этом случае, использование awk ... < infile
было бы лучше, чембесполезное использование кошки.
решение2
perl -F'\s+' -lane '$,="\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
установлен на один или несколько пробелов.ORS = RS = \n
@F
содержит поля для данной записи.splice
отделяет 2 элемента, начиная со смещения 0, а также уменьшает размер массива.- Из спецификации OP, из того, что осталось в @F, это четные элементы. Первая половина — counts_for_each_sample, а вторая половина — total_count_for_each_sample.
Полученные результаты
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