切割從空間分隔的文件

我使用FASTA文件請求與--tblout選項，這是故意空間分隔（而不是製表符分隔）和對齊到對齊的列表格輸出格式運行分析hmmscan的特定列。切割從空間分隔的文件

文件看起來是這樣的（這只是一個格式示例）

targetname accession queryname accession e-value score bias 
x_x_x  PFyyyy.y ContigXXX_0 -   x.xe-xx yy.y x.x 
x   PFyyyy.yy COntigXXX_1 -   xe-x yy.y x.x 
x_x  PFyyyy.y COntigXXX_2 -   xe-xx y.y x.x 
x_x_x  PFyyyy.yy COntigXXX_3 -   x.xe-x yy.y x.x 
. 
..

其中目標名稱是例如：Methyltransf或Dimer_tnp_hAT或Nucleotide_trans

，其中加入的例如：PF13847.1或PF03407.11或PF01958.13;

其中查詢名稱是例如：Contig244_1或Contig44245_3或Contig12345_6

其中第二柱加入是： -

其中e.value是例如：4.0E-10 3.5E或-15，等等。

和得分和偏見都是這種格式的數字：XX.X

我想要做的是削減queryname列，所有的ContigXXX_X有顯著命中蛋白結構域是。

之後，我可以對它們進行排序，只保留每個Contig的第一次出現，我可以將該文件與BlastP和BlastX的結果進行比較（我已經能夠獲得我的Contig列表，有命中NR數據庫）

所以我的問題是：我怎麼能砍在我的所有重疊羣列？我一直試着用grep，sed，cut命令，但是我還沒找到正確的。

我是新來的Unix語言，我還在學習所以每一個建議，將真正體會。

如果我的問題不清楚就告訴我，我可以修改它！

來源

2012-11-23 user1819854

awk 'NR!=1{print $3}' your_file

或

perl -F -lane 'if($.!=1){print $F[2]}' your_file

來源

2012-11-26 06:01:18 Vijay

謝謝！awk命令正常工作。我想出瞭如何獲得Contigs專欄，但是這樣更快！謝謝 – user1819854

從表面上看，如果你有GNU cut，你可以使用：

cut -i -f 3 tblout-file

的-i選項意味着一個或空白將被視爲該領域的分隔符（而沒有它，每個空白爲一字段分隔符）。非GNU版本的cut通常不支持-i。（您可以通過運行cut --version檢查是否是GNU cut;如果你得到一個有意義的版本號，它的（可能）GNU，如果你得到無效選項的消息，事實並非如此。）

這是否不工作您？顯然，你用tblout-file替代了你創建的文件的名字。

如果有一個問題（例如，不具有GNU cut），然後考慮awk代替：

awk '{print $3}' tblout-file

這兩種在輸出中包括太多的第一線;有多種可能的方法去除第一行。

cut -i -f 3 tblout-file | sed 1d 
awk 'NR>1 { print $3 }' tblout-file

來源

2012-11-26 05:57:08

感謝！awk命令工作得很好！ – user1819854

切割從空間分隔的文件

回答

相關問題