☰

包含特定字符串的输出行

tag-icon • tag-icon linux awk
包含特定字符串的输出行

我有一个如下所示的文件：

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

我想输出包含基因“C2”、“CDK11A”和“IL3”的所有行。显然，我有一个更大的文件和更长的基因集，但这只是为了方便起见的一个小例子。

我一直在使用以下脚本：

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

该脚本输出不必要的行，如下所示：

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

我不需要第 2 行和第 5 行。如何修改脚本以在输出中仅包含给定的基因列表？

答案1

将您想要匹配的基因放入一个文件中，每行一个。然后它只是一个 grep 调用：

grep -Fwf genes.txt Book3.txt

要保留标题：

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

grep 选项：

  • -F“固定字符串”——禁用正则表达式，仅查找子字符串匹配
  • -w“单词匹配”——仅查找整个单词的匹配
  • -f file-- 指定包含模式的文件（每行一个）

使用您的样本数据

$ 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

相关内容