檢查檔案中的字元數是否可以被3整除

Question

我正在嘗試檢查 dna 文件中核苷酸鹼基字元的數量是否是 3 的倍數，並且在以下程式碼中不斷出現錯誤：

var4=$(wc -c < $1 | bc)
var5=$($var4 % 3)

if [ "$var5" -eq 0 ]; then

正如您所看到的，上面的程式碼並不完整，但我只是展示了我遇到問題的部分。

Answer 1

假設您的核苷酸是使用群組中的字母編碼的acgtn，以下命令將刪除該群組中不是字元的所有內容（例如換行符和空格等），然後計算剩餘的字元：

ncount=$( tr -d -c 'acgtn' <"$1" | wc -c )

然後，您可以透過簡單的測試來檢查這個數字，但請注意使用$((...))而不是$(...)：

if [ "$(( ncount % 3 ))" -eq 0 ]; then
    echo 'nucleotide count is multiple of 3'
fi

如果您使用大寫字母或兩者的混合，請tr適當擴展使用的字串。

Answer 2

要刪除三個一組的所有非換行符，我們可以這樣做：

sed 's/...//g' file

如果結果僅為空行，則所有行都具有三個字元的倍數。

如果輸入不是一行且可能包含其他字元（包括換行符），則刪除任何不是核苷酸鹼基字元（假設為大寫ACGTN）的內容，包括換行符：

{ <file tr -cd 'ACGTN'; echo; } | sed 's/...//g'

如果結果為空（只有換行符），則基本字元數是 3 的倍數。

假設您想要在計數不是 3 的倍數時停止腳本（退出），請使用以下命令：

if [ "$( { <file tr -cd 'ACGTN'; echo; } | sed 's/...//g')" ]; then
    echo 'nucleotide count is not multiple of 3'
    exit 1
fi

Answer 3

一個sed選項

f=$(sed -E "s/[actgn]{3}//g" file); echo ${#f}

只需刪除所有連續的有效3 個鹼基組，如果末尾留下了除零長度字串之外的任何內容，那麼您就會遇到問題......儘管這將允許新行，前提是中斷是3 個鹼基的倍數。

Answer 4

使用bash，GNU grep和wc，但沒有變數：

(exit $(( $(grep -io '[acgtn]' file | wc -l)%3 )) )

....它回傳一個真的只有當 DNA 字元是三的倍數時才退出代碼。

在程式碼中使用它可能看起來像：

if (exit $(( $(grep -io '[acgtn]' file | wc -l)%3 )) ); then