使用awk从vcf文件中提取信息

Question

我有一个包含数百万行的文件，如下所示：

chr1    18217866        .       T       A       52.2409 .       AB=0;ABP=0;AC=2;AF=0;AN=2;AO=2;CIGAR=1X;DP=2;DPB=2;DPRA=0;EPP=7.35324;EPPR=0;GTI=0;LEN=1;MEANALT=1;MQM=60;MQMR=0;NS=1;NUMALT=1;ODDS=7.37776;PAIRED=0;PAIREDR=0;PAO=0;PQA=0;PQR=0;PRO=0;QA=74;QR=0;RO=0;RPP=7.35324;RPPR=0;RUN=1;SAF=2;SAP=7.35324;SAR=0;SRF=0;SRP=0;SRR=0;TYPE=snp      GT:DP:RO:QR:AO:QA:GL    1/1:2:0:0:2:74:-7.03,-0.60206,0

我正在尝试找到第AF=0条所在的第二列中与给定数字匹配的所有行：

grep '1821786*' file.vcf | cut -f 8 | awk -F \; '$4 == 0 {print $4}' | wc -l

问题在于：

grep '1821786*' file.vcf | cut -f 8 |

打印：AF=0，以便与awk语句中$4 == 0的比较不匹配。

有没有办法剥离AF=以便awk语句与第4列中的0匹配？

Answer 1

一切都可以在单个awk中完成，可以更准确地完成：

awk -F '[;[:blank:]]+' '$2 ~ /^1821786/ && $11 == "AF=0"{++n} END{print n}' file.vcf

-F '[;[:blank:]]+'将输入字段分隔符设置为分号或空格/制表符。

Answer 2

实际上看起来awk有一个替代函数在这里很有用：

grep '1821786*' file.vcf | cut -f 8 | awk -F \; '{sub(/AF=/,"")} $4 ==0 {print $4}' | wc -l

然后可以根据需要将其用于vcf文件中的任何其他信息。