DNA 코돈 검색을 위한 정규식 구문

Question 1

모두 얻으려고충분히단일 파일의 코돈:

{
    for (pos = 1; pos < length - 1; ++pos) {
        codon = substr($0, pos, 3)
        print codon
    }
}

이 짧은 awk스크립트는 각 줄의 각 3문자 긴 하위 문자열을 출력합니다. 생물정보학 용어로 말하면, 각 프레임의 완전한 코돈을 순서대로 출력합니다.

주어진 데이터를 테스트합니다:

$ awk -f script.awk <file
aac
aca
cac
acg
cga
gaa
aac
act
ctt
ttt
tta
taa
aac
aca
cac
acg

그런 다음 각 코돈의 발생 횟수를 정렬하고 계산할 수 있습니다.

$ awk -f script.awk <file | sort | uniq -c
   3 aac
   2 aca
   2 acg
   1 act
   2 cac
   1 cga
   1 ctt
   1 gaa
   1 taa
   1 tta
   1 ttt

파일에 개행 문자가 포함된 경우 개행 문자로 인해 코돈이 손상될 수 있도록 먼저 이를 제거하십시오.

$ cat file
aacacgaactttaacacg
aacacgaactttaacacg

$ tr -d '\n' <file | awk -f script.awk | sort | uniq -c
   6 aac
   4 aca
   4 acg
   2 act
   4 cac
   3 cga
   2 ctt
   3 gaa
   2 taa
   2 tta
   2 ttt

(합의 개수가 2가 아닌 3으로 어떻게 cga변경되는지 확인하세요.)gaa

귀하의 데이터가큰, 그러면 개행 문자에 대한 변환을 처리할 수 있는 다른 방법을 찾아야 합니다.

{
    $0 = lastbit $0

    for (pos = 1; pos < length - 1; ++pos) {
        codon = substr($0, pos, 3)
        print codon
    }

    lastbit = substr($0, length - 1)
}

이렇게 하면 각 줄의 마지막 두 염기가 저장되고 lastbit시퀀스의 다음 줄 앞에 추가됩니다.

위와 동일한 두 줄의 입력을 실행합니다.

$ awk -f script.awk <file | sort | uniq -c
   6 aac
   4 aca
   4 acg
   2 act
   4 cac
   3 cga
   2 ctt
   3 gaa
   2 taa
   2 tta
   2 ttt

첫 번째 프레임의 코돈만 원하는 경우:

{
    $0 = lastbit $0

    for (pos = 1; pos < length - 1; ++pos) {
        if ((pos + length(lastbit)) % 3 == 1) {
            codon = substr($0, pos, 3)
            print codon
        }
    }

    lastbit = substr($0, length - 1)
}

sort -nr출력을 개수 내림차순으로 정렬하려면 위 파이프라인에 추가 단계를 추가하세요.

또한보십시오:

StackExchange 생물정보학 웹사이트

Answer