Преобразование из tsv в fasta

У меня в папке есть куча TSV файлов и для каждого из них я хотел бы получить файл fasta где заголовок после знака '>' это имя файла. В моем TSV-файле 5 столбцов без заголовка:

Таким образом:

входной файл с именем: "A.coseq.table_headless.tsv" HIV1B-pol-seed 15 MAX 1959 GTAACAGACTCACAATATGCATTAGGAATCATTCAAGC выходной файл с именем "A.fasta"

>A_MAX

GTAACAGACTCACAATATGCATTAGGAATCATTCAAGC

Я хочу запустить скрипт одновременно в bash для всех файлов, и у меня есть этот скрипт, который не работает, потому что в операторе печати awk у меня есть фигурная скобка:

for sample in `ls *coseq.table_headless.tsv`
do
base1=$(basename $sample "coseq.table_headless.tsv")
awk '{print ">"${base1}"_"$3"\n"$5}' ${base1}coseq.table_headless.tsv > ${base1}fasta

done

Любая идея, как исправить этот код? Большое тебе спасибо


bash awk fasta
person Mariano Avino    schedule 14.06.2017    source источник

Ответы (3)


arrow_upward
2
arrow_downward

если базовое имя является частью до первого «.», вы также можете избавиться от цикла.

 awk '{split(FILENAME,base,"."); 
       print ">" base[1] "_" $3 "\n" $5 > base[1]".fasta"}' *coseq.table_headless.tsv
person karakfa    schedule 14.06.2017
comment
Возможно, подождите немного еще один ответ и stackoverflow.com/help/someone-answers - person karakfa; 14.06.2017

arrow_upward
0
arrow_downward

Другие решения, опубликованные до сих пор, имеют несколько проблем:

  1. если вы не закроете файлы по мере их написания, это приведет к ошибкам «слишком много открытых файлов», если вы не используете GNU awk,

  2. вычисление имени выходного файла каждый раз при чтении строки, а не один раз при открытии входного файла неэффективно, и

  3. использование выражения в скобках справа от перенаправления вывода является неопределенным поведением и поэтому будет работать только в некоторых awk (включая GNU awk).

Это будет надежно и эффективно работать во всех awks:

awk '
    FNR==1 { close(out); f=FILENAME; sub(/\..*/,"",f); pfx=">"f"_"; out=f".fasta" }
    { print pfx $3 ORS $5 > out }
' *coseq.table_headless.tsv
person Ed Morton    schedule 14.06.2017

arrow_upward
0
arrow_downward

Другое решение awk:

awk '{ pfx=substr(FILENAME,1,index(FILENAME,".")-1); 
       printf(">%s_%s\n%s\n",pfx,$3,$5) > pfx".fasta" }' *coseq.table_headless.tsv
  • pfx содержит первую часть имени файла (до первой .)
person RomanPerekhrest    schedule 14.06.2017