☰

특정 문자열을 포함하는 출력 라인

tag-icon • tag-icon linux awk
특정 문자열을 포함하는 출력 라인

다음과 같은 파일이 있습니다.

Chr Start   End Ref Alt Func.refGene    Gene.refGene    ExonicFunc.refGene  AAChange.refGene    Func.knownGene  Gene.knownGene                                                      
1   53387379    53387379    G   C   UTR5    ECHDC2  NA  NA  UTR5    ECHDC2(FFF)
1   53387380    53387380    G   C   UTR5    C2(hhh) NA  NA  UTR5    C2(FFF)
1   1647814 1647814 T   C   exonic  CDK11A,CDK11B   synonymous SNV  NA  exonic  CDK11A,CDK11B
1   1647814 1647814 T   C   exonic  CDK11A23,CDK11B23   synonymous SNV  NA  exonic  CDK11A23,CDK11B23
1   1670958 1670958 C   G   exonic  SLC35E2A    synonymous SNV  NA  exonic  SLC35E2
1   1684347 1684347 -   CCT exonic  NADK    nonframeshift insertion NA  exonic  NADK
1   7069620 7069620 T   C   intronic    PTPN6(ggg),IL3  NA  NA  intronic    PTPN6(ggg),IL3

유전자 "C2", "CDK11A" 및 "IL3"을 포함하는 모든 라인을 출력하고 싶습니다. 분명히 더 큰 파일과 더 긴 유전자 세트를 가지고 있지만 이는 편의를 위한 작은 예일 뿐입니다.

나는 다음 스크립트를 사용하고 있습니다.

tail -n+1 Book3.txt | awk -F'\t' 'BEGIN{OFS=FS}{if(NR==1 || $7=="C2" || $7~/C2[(]/ || $7~/C2/  || $11=="C2" || $11~/C2[(]/ || $11~/C2/ || 
$7=="CDK11A" || $7~/CDK11A[(]/ || $7~/CDK11A/ || $11=="CDK11A" || $11~/CDK11A[(]/ || $11~/CDK11A/ || 
$7=="IL3" || $7~/IL3[(]/ || $7~/IL3/ || $11=="IL3" || $11~/IL3[(]/ || $11~/IL3/) {print($0)}}' > Book3.genes.txt

스크립트는 다음과 같이 불필요한 줄을 출력합니다.

Chr     Start   End     Ref     Alt     Func.refGene    Gene.refGene    ExonicFunc.refGene      AAChange.refGene        Func.knownGene  Gene.knownGene
1       53387379        53387379        G       C       UTR5    ECHDC2  NA      NA      UTR5    ECHDC2(FFF)
1       53387380        53387380        G       C       UTR5    C2(hhh) NA      NA      UTR5    C2(FFF)
1       1647814 1647814 T       C       exonic  CDK11A,CDK11B   synonymous SNV  NA      exonic  CDK11A,CDK11B
1       1647814 1647814 T       C       exonic  CDK11A23,CDK11B23       synonymous SNV  NA      exonic  CDK11A23,CDK11B23
1       7069620 7069620 T       C       intronic        PTPN6(ggg),IL3  NA      NA      intronic        PTPN6(ggg),IL3

2행과 5행은 필요하지 않습니다. 출력에 주어진 유전자 목록만 포함하도록 스크립트를 어떻게 수정합니까?

답변1

일치시키려는 유전자를 한 줄에 하나씩 파일에 넣으십시오. 그런 다음 grep 호출일 뿐입니다.

grep -Fwf genes.txt Book3.txt

제목을 유지하려면:

{ head -n1 Book3.txt; grep -Fwf genes.txt Book3.txt; }

그렙 옵션:

  • -F"고정 문자열" - 정규식을 비활성화하고 하위 문자열 일치만 찾습니다.
  • -w"단어 일치" - 전체 단어와 일치하는 항목만 찾습니다.
  • -f file-- 패턴이 포함된 파일 지정(한 줄에 하나씩)

샘플 데이터 사용

$ cat genes.txt 
C2
CDK11A
IL3
$ { head -n1 Book3.txt; grep -Fwf genes.txt Book3.txt; }
Chr Start   End Ref Alt Func.refGene    Gene.refGene    ExonicFunc.refGene  AAChange.refGene    Func.knownGene  Gene.knownGene
1   53387380    53387380    G   C   UTR5    C2(hhh) NA  NA  UTR5    C2(FFF)
1   1647814 1647814 T   C   exonic  CDK11A,CDK11B   synonymous SNV  NA  exonic  CDK11A,CDK11B
1   7069620 7069620 T   C   intronic    PTPN6(ggg),IL3  NA  NA  intronic    PTPN6(ggg),IL3

관련 정보