Paolo Lorenzini's questions

Tenho um arquivo PDB (coordenadas de átomos em uma proteína) em uma máquina Linux:

ATOM      1   N  GLY A   1       0.535  51.766   5.682  1.00  0.00              
ATOM      2  CA  GLY A   1      -0.712  50.962   5.596  1.00  0.00              
ATOM      3   C  GLY A   1      -1.243  50.872   4.179  1.00  0.00              
ATOM      4   O  GLY A   1      -1.313  51.888   3.492  1.00  0.00              
ATOM      5   N  GLN A   2      -1.600  49.664   3.737  1.00  0.00              
ATOM      6  CA  GLN A   2      -2.221  49.468   2.423  1.00  0.00              
ATOM      7   C  GLN A   2      -3.542  48.719   2.507  1.00  0.00              
ATOM      8   O  GLN A   2      -3.722  47.844   3.356  1.00  0.00              
ATOM      9  CB  GLN A   2      -1.280  48.738   1.468  1.00  0.00              
ATOM     10  CG  GLN A   2      -0.976  47.294   1.830  1.00  0.00              
....     ..  ..   .. .   .       ....   ....     ....   ....  ....
TER   SPLIT LINE FOR INTERNAL USE ONLY
ATOM      1  O5'  G  A   1     -44.412  97.503  31.177  1.00  0.00              
ATOM      2  C5'  G  A   1     -45.447  96.803  31.882  1.00  0.00              
ATOM      3  C4'  G  A   1     -45.225  95.295  31.894  1.00  0.00              
ATOM      4  O4'  G  A   1     -46.441  94.578  31.654  1.00  0.00              
ATOM      5  C3'  G  A   1     -44.328  94.850  30.748  1.00  0.00              
ATOM      6  O3'  G  A   1     -42.943  94.877  31.129  1.00  0.00              
ATOM      7  C2'  G  A   1     -44.804  93.425  30.542  1.00  0.00              
ATOM      8  O2'  G  A   1     -44.163  92.592  31.466  1.00  0.00              
ATOM      9  C1'  G  A   1     -46.304  93.444  30.772  1.00  0.00              
ATOM     10  N9   G  A   1     -46.965  93.699  29.495  1.00  0.00
....     ..  ..   .  .   .     .......  ......   .....  ....   ...

O registro TER marca explicitamente o fim de uma cadeia de aminoácidos específica. Quero alterar o ID da cadeia da proteína na quinta coluna pelo awk para atribuir o ID correto à nova cadeia após TER.

Resultado esperado:

ATOM      1   N  GLY A   1       0.535  51.766   5.682  1.00  0.00              
ATOM      2  CA  GLY A   1      -0.712  50.962   5.596  1.00  0.00              
ATOM      3   C  GLY A   1      -1.243  50.872   4.179  1.00  0.00              
ATOM      4   O  GLY A   1      -1.313  51.888   3.492  1.00  0.00              
ATOM      5   N  GLN A   2      -1.600  49.664   3.737  1.00  0.00              
ATOM      6  CA  GLN A   2      -2.221  49.468   2.423  1.00  0.00              
ATOM      7   C  GLN A   2      -3.542  48.719   2.507  1.00  0.00              
ATOM      8   O  GLN A   2      -3.722  47.844   3.356  1.00  0.00              
ATOM      9  CB  GLN A   2      -1.280  48.738   1.468  1.00  0.00              
ATOM     10  CG  GLN A   2      -0.976  47.294   1.830  1.00  0.00                 
TER   SPLIT LINE FOR INTERNAL USE ONLY
ATOM      1  O5'  G  B   1     -44.412  97.503  31.177  1.00  0.00              
ATOM      2  C5'  G  B   1     -45.447  96.803  31.882  1.00  0.00              
ATOM      3  C4'  G  B   1     -45.225  95.295  31.894  1.00  0.00              
ATOM      4  O4'  G  B   1     -46.441  94.578  31.654  1.00  0.00              
ATOM      5  C3'  G  B   1     -44.328  94.850  30.748  1.00  0.00              
ATOM      6  O3'  G  B   1     -42.943  94.877  31.129  1.00  0.00              
ATOM      7  C2'  G  B   1     -44.804  93.425  30.542  1.00  0.00              
ATOM      8  O2'  G  B   1     -44.163  92.592  31.466  1.00  0.00              
ATOM      9  C1'  G  B   1     -46.304  93.444  30.772  1.00  0.00              
ATOM     10  N9   G  B   1     -46.965  93.699  29.495  1.00  0.00  

Tudo precisa ser separado com os mesmos espaços, o seguinte arranjo estaria errado:

ATOM   3674  CD1 PHE A 460       2.350  79.471  35.466  1.00  0.00              
ATOM   3675  CD2 PHE A 460       1.037  81.443  35.196  1.00  0.00              
ATOM   3676  CE1 PHE A 460       2.425  79.321  34.080  1.00  0.00              
ATOM   3677  CE2 PHE A 460       1.108  81.298  33.805  1.00  0.00              
ATOM   3678  CZ  PHE A 460       1.805  80.232  33.250  1.00  0.00              
TER SPLIT LINE FOR B USE ONLY
ATOM 1 O5' G B 1 -44.412 97.503 31.177 1.00 0.00
ATOM 2 C5' G B 1 -45.447 96.803 31.882 1.00 0.00
ATOM 3 C4' G B 1 -45.225 95.295 31.894 1.00 0.00
ATOM 4 O4' G B 1 -46.441 94.578 31.654 1.00 0.00
ATOM 5 C3' G B 1 -44.328 94.850 30.748 1.00 0.00

Além disso, o arquivo termina com isto:

TER
ENDMDL

Há uma linha em branco no final do arquivo que precisa ser deixada como está

Tenho vários arquivos com nomes como:

ID_Italy.txt
ID2_USA.txt
ID3_Germany.txt
.....

se eu quiser imprimir antes do _ eu posso fazer:

for file in *.txt; do print "${file%_*}";done

Resultado:

ID
ID2
ID3

Se eu quiser imprimir e remover a extensão:

for file in *.txt; do print "${file%.*}";done

Resultado:

ID_Italy
ID2_USA
ID3_Germany

No entanto, gostaria de levar apenas o que estiver entre _ e . e ter a seguinte saída:

Italy
USA
Germany

Como imprimir isso?

Eu tenho vários quadros de dados que se parecem com isso:

df1

col1;col2;col3;col4
cat;1;2;blue
house;1;2;red
dog;5;6;yellow
mouse;7;8;white

df2

col1;col2;col3;col4
cat;3;4;grey
house;7;8;red
dog;5;6;yellow
mouse;3;4;black

df3

col1;col2;col3;col4
cat;5;6;grey
house;3;4;red
dog;5;6;yellow
mouse;9;10;grey

Eu gostaria de subconjunto todas as linhas onde os valores de col2 e col3 são iguais ao valor de col2 e col3 de "cat" Os valores de col2 e col3 continuam mudando em cada quadro de dados, então não são constantes. A saída seria:

df1

col1;col2;col3;col4
cat;1;2;blue
house;1;2;red

df2

col1;col2;col3;col4
cat;3;4;grey
mouse;3;4;black

df3

col1;col2;col3;col4
cat;5;6;grey
dog;5;6;yellow

Alguma sugestão? Na verdade, posso usar o tempo todo awk:

awk -F";" '{if($2=="1" && $3=="2")print $0}' df1 
awk -F";" '{if($2=="3" && $3=="4")print $0}' df2
awk -F";" '{if($2=="5" && $3=="6")print $0}' df3

mas eu tenho milhares de quadros de dados, então é problemático inserir manualmente os valores para cada linha de código

Tenho um arquivo (search.patterns) com uma lista de padrões a serem pesquisados ​​em uma lista de outros arquivos txt.

padrões de pesquisa

home
dog 
cat

arquivo 1.txt

home 3
tiger 4
lion 1

arquivo 2.txt

dolphin 6
jaguar 3
dog 1

arquivo 3.txt

donkey 3
cat 4
horse 1

então eu quero que a primeira linha do arquivo padrão seja pesquisada no arquivo1, a segunda linha pesquisada no arquivo2 e a terceira linha no arquivo3

Resultado:

home 3
dog 1
cat 4

Eu escrevi um código assim:

for f in *.txt;
    do 
    while IFS= read -r LINE; 
        do grep -f "$LINE" "$f" > "$f.out"
    done < search.patterns
done

No entanto, os arquivos de saída estão vazios

Qualquer ajuda, muito apreciada, obrigado

Eu sou novo em scripts de shell, então peço desculpas se isso foi perguntado antes.

Eu tenho um arquivo de coordenadas.txt assim:

765442
866447
755343
097754

Gostaria de passar cada valor de cada linha do arquivo para uma variável e usar esses valores um a um como entrada em uma linha de comando e salvar esse número em parte do nome do arquivo. Eu escrevi o seguinte código, mas não tenho certeza se este é o caminho correto a seguir ...

cat coordinates.txt | while read LINE; do
    var="$(echo $LINE)"
    /home/users/scripts/TreeView/TreeView.sh -o $NAME_ALL.chr1.new_estimate.trees.$var --bp_of_interest $var
done

então na saída -o cada valor um de cada vez é anexado ao nome do arquivo e cada valor também é usado como --bp_of_interest, um de cada vez

Qualquer sugestão muito apreciada. Obrigado

Eu tenho um arquivo que contém uma string muito longa de caracteres e gostaria de substituir uma substring dele por Ns. Exemplo:

teste

ABCDABCDABCD

Eu gostaria de substituir uma substring dela por todas as letras N com o comando awk e sed, todos os caracteres do índice 5 a 8, então o comprimento total da letra N é 4.

Resultado

ABCDNNNNABCD

Eu tentei algo assim:

awk '{ v=substr($0,5,4); sed -i "s/$v/N/g";print substr($0,1,4)""v""substr($0,9,12)}' test

no entanto, este comando parece dar esta saída:

ABCDABCDABC

E nenhuma substituição foi feita

Eu gostaria de ter no código o número do índice de onde começar a substituição, (aqui, por exemplo, é 5) e o número do comprimento da substituição (aqui 4), para que eu possa modificar esses números caso Eu quero começar em outra posição e para um comprimento diferente de substituições porque, na realidade, tenho uma string com milhares de letras e quero substituir centenas de caracteres, então a substituição de padrão não funciona no meu caso

Oi eu tenho um arquivo de texto com milhares de linhas que se parece com isso:

NNNNN
NNNNN
NNNNN
NNNNN

Eu gostaria de substituir com base em sua localização coordenar todas as letras dentro de um intervalo específico para outra letra, digamos que eu queira substituir todas as N letras da posição do intervalo 10 para a posição 13 para a letra P, a saída será:

NNNNN
NNNNP
PPPNN
NNNNN

Alguma sugestão sobre o comando que eu poderia usar?

Eu tenho um arquivo que se parece com:

arquivo.txt

NNNP
PPZL
ZZNN

Eu gostaria de substituir todas as letras para "N" e ter uma saída assim com o mesmo número de linhas que a entrada: (meu arquivo aqui tem 3 linhas, mas na realidade, meu arquivo tem milhares de linhas)

NNNN
NNNN
NNNN

De fato, posso apenas criar um novo arquivo com este comando:

printf %4s | tr " " "N" > file2.txt
yes "$(<file2.txt)" | head -n3

No entanto, alguém sabe se existe uma maneira mais simples de substituir todas as letras de uma só vez e manter a mesma matriz de colunas e linhas?

Sou novo em scripts de shell bash, peço desculpas se isso já foi solicitado.

Eu tenho combinações de vários arquivos, como:

USA.txt Florida.txt Miami.txt

Eu gostaria de juntar esses arquivos e criar um novo arquivo que contém tudo, como:

cat *.txt > USA_FLORIDA_MIAMI.txt

Em outro caso O problema é que em algum outro momento os arquivos têm um prefixo diferente:

Canada.txt Quebec.txt Montreal.txt

então neste segundo caso, a saída será CANADA_QUEBEC_MONTREAL.txt:

cat *.txt > CANADA_QUEBEC_MONTREAL.txt

e assim por diante para todas as combinações de outros arquivos

No primeiro cenário, USA.txt Florida.txt Miami.txt são os únicos arquivos .txt presentes no diretório. No segundo caso, eles serão substituídos por Canada.txt Quebec.txt Montreal.txt, então eu precisaria escrever um código que sempre combinasse as informações do prefixo de todos os arquivos .txt presentes naquele momento no diretório e adiciona-o ao prefixo do arquivo de saída. A variável aqui é o nome do País, Estado e Cidade.

Alguma sugestão sobre qualquer comando que eu poderia usar? obrigado

Eu tenho um arquivo.txt assim:

1
2
3
4
5
6

se eu quiser adicionar valor (Apple) em uma nova coluna com o comando awk eu posso fazer isso:

awk -v RS='\r\n' 'BEGIN { OFS = " " } {print $0, "Apple"}' file.txt > file_new.txt

que dará:

1 Apple
2 Apple
3 Apple
4 Apple
5 Apple
6 Apple

Agora, vamos supor que eu gostaria de ter esta saída:

1 Apple
2 Apple
3 Orange
4 Orange
5 Banana
6 Banana

Como modificar o comando awk?