Início / unix / Perguntas / 409802
Accepted
Anna1364
Asked: 2017-12-09 11:05:49 +0800 CST

calcule a soma de cada 2 linhas e substitua-as por outro valor se a soma for menor que um valor específico

  • 772

Tenho uma matriz de genótipos (com espaço tabular), com 2 milhões de linhas e 12 colunas. As colunas são indivíduos e as linhas são SNPs. Eu tenho 2 linhas por cada SNP para cada indivíduo, uma é o número do alelo de referência e o outro número do alelo alternativo (cada 2 linhas correspondem a um SNP, o que significa que as linhas 1 e 2 correspondem ao SNP 1, as linhas 3 e 4 correspondem ao SNP2, as linhas 5 e 6 correspondem ao SNP 3).

Este é um exemplo (2 SNPs e 8 indivíduos):

head genotype
2   3   1   0   0   3   5   3       
18  15  19  18  16  15  13  17      
2   1   0   0   0   1   1   1           
18  19  18  16  20  17  17  23

Para cada SNP, se a soma do alelo de referência e alternativo for menor que 20, quero substituir os dois alelos por 0 e, se forem iguais ou maiores que 20, quero mantê-los. Esta é a minha saída desejada

head (desired_output)
    2   0   1   0   0   0   0   3       
    18  0   19  0   0   0   0   17      
    2   1   0   0   0   0   0   1           
    18  19  0   0   20  0   0   23

Alguma ideia de como fazer isso com precisão?

perl python

1 respostas

  1. Best Answer

    A ideia é salvar linhas consecutivas em 2 arrays, então comparar os elementos do array pelos índices correspondentes.

    Salve isso em um arquivo, diga "twenty.awk"

    #/usr/bin/env awk

# ref https://www.gnu.org/software/gawk/manual/html_node/Join-Function.html
function join(array, start, end, sep,    result, i)
{
    if (sep == "")
        sep = " "
    else if (sep == SUBSEP) # magic value
        sep = ""
    result = array[start]
    for (i = start + 1; i <= end; i++)
        result = result sep array[i]
    return result
}

{
    split($0, a)
    getline

    for (i=1; i<=NF; i++)
        if (a[i] + $i < 20)
            a[i] = $i = 0

    print join(a, 1, NF)
    print
}

    Então corra com

    awk -f twenty.awk data.file | column -t > data.file.twenty
    • 1

relate perguntas