☰

n번째 반복 열 데이터 읽기/연산

tag-icon • tag-icon text-processing awk
n번째 반복 열 데이터 읽기/연산

다른 샘플의 유전자 개수가 포함된 행렬이 있습니다.

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

다음은 예제 매트릭스입니다.

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

다른 샘플에 대해서는 counts_sampleA / (total_counts_sampleA*Length) 등으로 나누고 싶습니다.

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

이는 예상된 결과이다

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

잘 작동하지만 행렬이 큰 경우에는 잘 작동하지 않습니다. column3-colum102에 geneCountinEachSample이 있고 Coulmn103-column202에 totalCountinEachSample이 있는 100개의 샘플이 있는 경우 어떻게 작성해야 합니까?

더 많은 샘플이 있을 때 원하는 만큼의 열을 처리할 수 있도록 for 루프와 함께 사용하고 싶습니다.

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

이 작업을 수행하는 방법에 대한 제안 사항. 감사해요!

답변1

글쎄, 당신은 거의 답을 얻었습니다:

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

사용법은 cat file | awk ...차선책입니다. awk는 파일을 매개변수로 직접 처리하므로 그렇게 하는 것이 awk ... < infile더 저렴합니다 .고양이의 쓸모없는 사용.

답변2

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
  • FS하나 이상의 공백으로 설정합니다.
  • ORS = RS = \n
  • @F주어진 레코드를 보유하는 필드입니다.
  • splice오프셋 0에서 시작하는 2개의 요소를 삭제하고 배열 크기를 줄입니다.
  • OP 사양에 따르면 @F에 유지되는 것은 짝수 요소입니다. 전반부는 counts_for_each_sample이고 후반부는 total_count_for_each_sample입니다.

결과

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

관련 정보