একই পাঠ্য ফাইলের মধ্যে বিভিন্ন লাইনে উপস্থিত একাধিক বিট তথ্য কীভাবে নিষ্কাশন করা যায়

Question

আমি একই পাঠ্য ফাইলের মধ্যে বিভিন্ন লাইনে ঘটে যাওয়া সিকোয়েন্স আইডি এবং ক্লাস্টার নম্বরটি বের করার চেষ্টা করছি।

ইনপুটটি দেখে মনে হচ্ছে

>Cluster 72
0   319aa, >O311_01007... *
>Cluster 73
0   318aa, >1494_00753... *
1   318aa, >1621_00002... at 99.69%
2   318aa, >1622_00575... at 99.37%
3   318aa, >1633_00422... at 99.37%
4   318aa, >O136_00307... at 99.69%
>Cluster 74
0   318aa, >O139_01028... *
1   318aa, >O142_00961... at 99.69%
>Cluster 75
0   318aa, >O300_00856... *

পছন্দসই আউটপুট হ'ল একটি কলামের সিকোয়েন্স আইডি এবং দ্বিতীয়টিতে সংশ্লিষ্ট ক্লাস্টার নম্বর।

>O311_01007  72
>1494_00753  73
>1621_00002  73
>1622_00575  73
>1633_00422  73
>O136_00307  73
>O139_01028  74
>O142_00961  74
>O300_00856  75

যে কেউ এই ব্যাপারে সাহায্য করতে পারেন?

Comments

সিকোয়েন্স আইডিটি সর্বদা শুরু হয় না এমন লাইনে 3 ডি স্পেস-বিভাজিত ক্ষেত্র হতে চলেছে >? এছাড়াও, আপনি আমাদের বোন সাইট বায়োইনফরমেটিক্সে আগ্রহী হতে পারেন ।

— টেরডন

Answer 1

জোর দিয়ে:

awk -F '[. ]*' 'NF == 2 {id = $2; next} {print $3, id}' input-file

• আমরা ক্ষেত্রগুলি বা পিরিয়ডের সাথে ক্ষেত্রগুলি বিভক্ত করি -F '[. ]*'
• দুটি ক্ষেত্রের >Clusterরেখা ( রেখাগুলি) সহ দ্বিতীয় ক্ষেত্রটি আইডি হিসাবে সংরক্ষণ করুন এবং পরবর্তী লাইনে যান
• অন্যান্য লাইনের সাহায্যে তৃতীয় ক্ষেত্র এবং সংরক্ষণ করা আইডি মুদ্রণ করুন

Comments

ক্ষেত্রের সংখ্যা বন্ধ করে রাখার $1 == ">Cluster"পরিবর্তে NF == 2, ফাইলের মধ্যে কী থাকতে পারে তার উপর নির্ভর করে স্পষ্টতই তার পরিবর্তে সন্ধান করা ভাল be

— মন্টি হার্ডার

Answer 2

আপনি এটির awkজন্য ব্যবহার করতে পারেন :

awk '/>Cluster/{
      c=$2;
      next
    }{
      print substr($3,2,length($3)-4), c
    }' file

প্রথম ব্লক স্টেটমেন্টটি ক্লাস্টার আইডি ক্যাপচার করছে। দ্বিতীয় ব্লক স্টেটমেন্টটি (ডিফল্ট একটি) পছন্দসই ডেটা বের করছে এবং এটি মুদ্রণ করছে।

Comments

আপনার পক্ষে " "যুক্তি হিসাবে দেওয়ার দরকার নেই print। আর্গুমেন্টগুলি আলাদা করতে কেবল একটি কমা ব্যবহার করুন এবং এটি আর্গুমেন্টগুলি পৃথক করতে OFS, ডিফল্ট স্পেস ব্যবহার করবে।

— মুরু

Answer 3

ওয়ান-লাইনার হিসাবে রুবির সাথে এখানে একটি বিকল্প রয়েছে:

ruby -ne 'case $_; when /^>Cluster (\d+)/;id = $1;when /, (>\w{4}_\w{5})\.\.\./;puts "#{$1} #{id}";end' input_file

বা একাধিক লাইনে ছড়িয়ে দিন:

ruby -ne 'case $_
when /^>Cluster (\d+)/
  id = $1
when /, (>\w{4}_\w{5})\.\.\./
  puts "#{$1} #{id}"
end' input_file

আমার ধারণা, awkআপনি যদি রুবি এবং রেজেক্সেন জানেন তবে সংস্করণটির চেয়ে এটি কেবলমাত্র বেশি পঠনযোগ্য । বোনাস হিসাবে, এই কোডটি কেবল লাইনগুলি বিভক্ত করার চেয়ে কিছুটা বেশি শক্তিশালী হতে পারে, কারণ এটি আশেপাশের পাঠ্যের সন্ধান করে।

Answer 4

পার্ল:

$ perl -ne 'if(/^>.*?(\d+)/){$n=$1;}else{ s/.*(>[^.]+).*/$1 $n/; print}' file 
>O311_01007 72
>1494_00753 73
>1621_00002 73
>1622_00575 73
>1633_00422 73
>O136_00307 73
>O139_01028 74
>O142_00961 74
>O300_00856 75

ব্যাখ্যা

• perl -ne: লাইন দ্বারা ইনপুট ফাইল লাইন পড়ুন ( -n) এবং -eপ্রতিটি লাইনের দ্বারা প্রদত্ত স্ক্রিপ্ট প্রয়োগ করুন ।
• if(/^>.*?(\d+)/){$n=$1;}: যদি এই লাইনটি একটি দিয়ে শুরু হয় >তবে লাইনের শেষে দীর্ঘতম সংখ্যার সন্ধান করুন এবং এটি সংরক্ষণ করুন $n।
• else{ s/.*(>[^.]+).*/$1 $n/; print: যদি লাইনটি শুরু না >হয় তবে অ ( .অক্ষর ) অনুসরণ করে অক্ষরের দীর্ঘতম প্রসারকে সবকিছু >( >[^.]+) হিসাবে সিকোয়েন্স নামটি ( $1কারণ আমরা রেজেক্স ম্যাচটি ক্যাপচার করেছি ) এবং বর্তমান মানটি দিয়ে প্রতিস্থাপন করুন $n।

---

বা, আরও বিশ্রী মত পদ্ধতির জন্য:

$ perl -lane 'if($#F==1){$n=$F[1]}else{$F[2]=~s/\.+$//; print "$F[2] $n"}' file 
>O311_01007 72
>1494_00753 73
>1621_00002 73
>1622_00575 73
>1633_00422 73
>O136_00307 73
>O139_01028 74
>O142_00961 74
>O300_00856 75

এটি বিভিন্ন awkপদ্ধতির মত একই প্রাথমিক ধারণাটি করার আরও কিছুটা জটিল কাজ । আমি এটি সমাপ্তির স্বার্থে এবং পার্ল ভক্তদের জন্য অন্তর্ভুক্ত করছি। আপনার যদি কোনও ব্যাখ্যা প্রয়োজন হয়, কেবলমাত্র awk সমাধানগুলি ব্যবহার করুন :)।