Question

1       875091  G      GA     GT:AD:DP:BQ:SS:FT:DP4    0/1:.:5:.:1:VarscanHighConfidenceIndel:1,2,1,1
1       948846  T      TA     GT:DP:DP4:BQ:SS:FT:AD    1/1:50:10,0,10,0:.:1:VarscanHighConfidenceIndel:.

您好我需要根据质量提取样品。样品很大，我只显示某些色谱柱。

第5列表示第6列中以'：'分隔的值的信息。第5列中还有其他不同的格式，我在这里没有显示。

我需要提取一定价值的样本。例如，我需要DP＆gt; 12和SS = 1以及其他格式的其他值。

在第一行中，DP（第5/6列中的第3个元素）为5. SS = 1（元素5）。

在第二行中，DP是第5/6列中的第二个元素，值为50，SS = 1（元素5）

我所做的是对所有类似格式进行分组，然后对它们进行单独的awk命令。

gzip -dc file1.vcf.gz | grep 'GT:AD:DP:BQ:SS:FT:DP4' |awk -F "\t" 'NR>1 {split($6,a,":"); if(a[5]==1 && a[3]>12){print $0}}' 
gzip -dc file1.vcf.gz | grep 'GT:DP:DP4:BQ:SS:FT:AD' |awk -F "\t" 'NR>1 {split($6,a,":"); if(a[5]==1 && a[2]>12){print $0}}'

我正在寻找一种方法，而不是在不同格式上使用单独的awk，因为第5列中有许多其他不同的格式。

Answer 1

您没有提供输入的预期输出，因此它不清楚您想要什么，但解决这些问题的最佳方法是首先创建一个数组，将字段名称映射到它们的值，然后根据需要使用，例如：

$ cat tst.awk
{
     split($5,n,/:/)
     split($6,v,/:/)
     for (i in n) {
        f[n[i]] = v[i]
     }
}
(f["DP"] > 5) && (f["SS"] == 1)

$ awk -f tst.awk file
1       948846  T      TA     GT:DP:DP4:BQ:SS:FT:AD    1/1:50:10,0,10,0:.:1:VarscanHighConfidenceIndel:.

awk在不同的格式

1 个答案: