我有制表符分隔的文件,我想从第二列中提取“exonic”条目,从第三列中提取“非同义 SNV”条目,以及从第 4、5、7 列中提取小于 (<1) 和点(.) 的值
Chr Func.refGene ExonicFunc.refGene 1000g2015aug_eas 1000g2015a avsnp147 ExAC_ALL
chr1 intergenic synonymous SNV . . . .
chr1 exonic nonsynonymous SNV 1.2 . . .
chr2 exonic nonsynonymous SNV 0.246 . rs2022 0.4061
chr2 intronic synonymous SNV . 0.7386 rs2289093 0.7275
chr2 exonic nonsynonymous SNV 0.6131 0.7376 rs227 0.7167
chr2 intergenic nonsynonymous SNV . 0.231 . .
chr3 exonic synonymous SNV 0.2192 0.2376 rs230 0.2205
chr3 intergenic nonsynonymous SNV 2.01 0.2376 rs230 0.2204
预期产出
chr2 exonic nonsynonymous SNV 0.246 . rs2289195 0.4061
chr2 exonic nonsynonymous SNV 0.6131 0.7376 rs2276599 0.7167
以下是我编写的代码
awk -F'\t' '$2~/exonic/ && $3~/nonsynonymous SNV/ && $4~/^0/ && $5~/^0/ && $7~/^0/{print $0}' inputfile.txt >> outputfile.txt
此提取条目从第 4,5 和 7 列中以零(小于 1)开头,但我不知道如何提取小于 1 和点(。)
答案1
我建议不要使用正则表达式测试,而是建议对字符串进行字符串比较,对数字进行数字比较,即
$2 == "exonic"
和
$4+0 < 1
(+0
强制数字比较而不是词法比较)。除此之外,这只是逻辑正确的问题:
$ awk -F'\t' '$2 == "exonic" && $3 == "nonsynonymous SNV" && ($4+0 < 1 || $4 == ".") && ($5+0 < 1 || $5 == ".") && ($7+0 < 1 || $7 == ".")' inputfile.txt
chr2 exonic nonsynonymous SNV 0.246 . rs2022 0.4061
chr2 exonic nonsynonymous SNV 0.6131 0.7376 rs227 0.7167