Question

我正在尝试组合两个列表，通过诸如ENST00000371026之类的公共字段加入它们。我试过以下但没有运气。实际的方法是什么？

cat> gar1.txt <<EOF
ENST00000371026 ENSG00000152763
ENST00000371023 ENSG00000152763
ENST00000395250 ENSG00000152763
ENST00000309502 ENSG00000163485
ENST00000377464 ENSG00000142599
ENST00000400908 ENSG00000142599
ENST00000337907 ENSG00000142599
ENST00000400907 ENSG00000142599
ENST00000401087 ENSG00000179571
EOF

cat> gar2.txt <<EOF
DDX11L1 ENST00000371026
DDX11L9 ENST00000309502
DDX11L1 ENST00000371026
OR4F5   ENST00000377464
DQ597235        n/a
DQ599768        n/a
LOC388312       ENST00000401087
LOC100132287    ENST00000425496
LOC100132287    ENST00000425496
EOF

join -t"\t" -2 2 -1 1 gar1.txt gar2.txt

示例输出为：

DDX11L1 ENSG00000152763
DDX11L9 ENSG00000163485
OR4F5   ENSG00000142599
LOC388312       ENSG00000179571
LOC100132287    NONE

Answer 1

尝试一下：

join -a 2 -t $'\t' -2 2 -1 1 -o 2.1 1.2 <(sort gar1.txt) <(sort -k 2,2 gar2.txt) | sed '/\t$/ s/$/NONE/' | uniq

它使用Bash进程替换（<()），但如果您不想使用它，则可以简单地预先分配文件。您的join版本需要-o选项，或者您可以使用awk进一步处理输出。对于“不适用”行，它将打印“无”，但您可以这样做以消除它们：

<(sort -k 2,2 gar2.txt | grep -v 'n/a$')

修改

这是我在没有sed和uniq的情况下获得的输出：

DDX11L9 ENSG00000163485 DDX11L1 ENSG00000152763 DDX11L1 ENSG00000152763 OR4F5 ENSG00000142599 LOC388312 ENSG00000179571 LOC100132287 LOC100132287 DQ597235 DQ599768

这就是我得到的东西：

DDX11L9 ENSG00000163485 DDX11L1 ENSG00000152763 OR4F5 ENSG00000142599 LOC388312 ENSG00000179571 LOC100132287 NONE DQ597235 NONE DQ599768 NONE

添加grep：

DDX11L9 ENSG00000163485 DDX11L1 ENSG00000152763 OR4F5 ENSG00000142599 LOC388312 ENSG00000179571 LOC100132287 NONE

与您的示例输出匹配，但订单除外。如果您需要保留订单，则可以这样做。

将两个列表与列上的连接组合在一起

1 个答案: