Question

我正在编写一个脚本，其中我使用了一个文本文件，其中一列中可以有两个字母（A，B，C或D），由＆＃34;和＆分隔开来。＃34 ;.此列也可以只包含其中一个字母。我必须在脚本的其余部分使用这两个字母进行进一步的计算。这是我的输入文件（此处为$variants）的简化示例：

C1    C2    C3   C4   C5  C6 ... C9 
text   2    A    D    values and text in the other columns 
text   4    B    C    values and text in the other columns
text   5    A    B,D  values and text in the other columns

所以在C4的第3行有一个B和D.在C4之后仍然有很多列，由于我在脚本的其他部分需要它们，因此无法更改。

我有第二个输入文件，根据C3和C4中的字母，可以从中提取一些值。这是第二个输入文件的样子（这里是$frequency）

C1    C2    A  a   B   b   C   c   D   d
text   1    0  1   0   0   0   0   0   0
text   2    1  0   5   4   0   0   0   0
text   3    0  0   0   0   10  11  3   6
text   4    1  0   9   4   0   2   0   0
text   5    5  3   0   0   6   7   4   0

这就是我的输出结果：

C1    C2    C3    C4    C5   C6   C7   C8  C9  C10
text  2     A     D     1    0    0    0   empty  
text  4     B     C     9    4    0    2   empty
text  5     A     B,D   5    3    0    0    4   0

因此，对于第1行，C3中有A，然后脚本从$frequency中提取A和a的值，并将它们放在C5和C6中。然后将来自C4的值放入输出文件中的C7和C8中。现在在第3行，C4中有B，D。所以脚本现在需要做的是将C和B中的B和b的相应值以及C和C10中的D和d的值。

我的脚本中唯一仍然存在问题的是在存在＆＃39;，＆＃39;时拆分此C4。其余的工作正在进行中。

这是我的脚本中有问题的部分看起来像

while(<$variants>){
    next if /^\s*#/;
    next if /^\s*"/;
    chomp;
    my ($chr, $pos, $refall, @altall) = split /\t/; # How should I specify here the C4, as an array? So that I don't know
    my @ref_data = @{$frequency_data[$pos]}{$refall, lc($refall)};
    my @alt_data = @{$frequency_data[$pos]}{$altall, lc($altall)}; # this works for C3 ($refall), but not for C4 when there are two letters
    $pos = $#genes if $circular and $pos > $#genes; # adding annotation # this can be ignored here, since this line isn't part of my question
    print join("\t","$_ ", $genes[$pos] // q(), @ref_data, @alt_data), "\n"; # printing annotation
}

所以有人可以帮我分解这个C4，＆＃39;＆＃39;并仍使用该信息从$variants

中提取值

Answer 1

我认为最简单的方法是将第3列和第4列视为一开始的列表：

while(<$variants>){
    next if /^\s*#/;
    next if /^\s*"/;
    chomp;
    my ($chr, $pos, $refall_string, $altall_string, @other) = split /\t/;
    my @refall = split(",", $refall_string);
    my @altall = split(",", $altall_string);

    my @ref_data_all = (); # Treat C3 as array just in case... 
    foreach my $refall (@refall) {
        push @ref_data_all, @{$frequency_data[$pos]}{ $refall, lc($refall) };
    }
    my @alt_data_all = ();
    foreach my $altall (@altall) {
        push @alt_data_all, @{$frequency_data[$pos]}{ $altall, lc($altall) };
    }

    $pos = $#genes if $circular and $pos > $#genes; 
    print join("\t","$_ ", $genes[$pos] // q(),
               @ref_data_all, @alt_data_all), "\n";
}

我没有对此进行测试，但即使存在一些小错误，这种方法也应该清楚。

Answer 2

您只需要进行几次map来电。

如果你写

map { $_, lc } split /,/, $refall

然后你用任何逗号分割字段，并将每个字母复制为大写和小写。

这是完整的循环（已测试）。

while (<$variants>) {
    next if /^\s*#/;
    next if /^\s*"/;
    chomp;

    my ($chr, $pos, $refall, $altall) = split /\t/;
    my $entry = $frequency_data[$pos];
    my @ref_data = map { $entry->{$_} } map { $_, lc } split /,/, $refall;
    my @alt_data = map { $entry->{$_} } map { $_, lc } split /,/, $altall;
    $pos = $#genes if $circular and $pos > $#genes;

    print join("\t","$_ ", $genes[$pos] // q(), @ref_data, @alt_data), "\n";
}

用'，'拆分一列，并使用计算中的值

2 个答案: