Question

我需要有关重组数据集的帮助，以便我可以执行下游分析。我目前正处理蛋白质组学数据，并希望进行比较分析。问题是蛋白质ID。通常，一种蛋白质可以具有多于1个id并且它们被“;”分开。我需要用不同的蛋白质ID打印相同蛋白质的整个系列。例如： -

输入文件：

        tom dick harry  jan
a;b;c   1     2    3     4
d;e     4     5    7     3

理想的输出：

    tom dick harry jan
a   1   2   3   4
b   1   2   3   4
c   1   2   3   4
d   4   5   7   3
e   4   5   7   3

提前多多感谢

Answer 1

$ awk 'NR==1{$0="key "$0} {split($1,a,/;/); for (i=1; i in a; i++) { $1=a[i]; print } }' file | column -t
key  tom  dick  harry  jan
a    1    2     3      4
b    1    2     3      4
c    1    2     3      4
d    4    5     7      3
e    4    5     7      3

你可以轻而易举地删除单词＆＃34; key＆＃34;如果您不喜欢它，请输出，但是恕我直言的有一些列和一些没有标题是一个非常糟糕的主意 - 只是让任何进一步的处理更加困难。

Answer 2

#!/bin/bash

read header
printf "%4s %s\n" "" "$header"

while true
do
  read ids values
  for id in $(tr ';' ' ' <<< "$ids")
  do
    printf "%-4s %s\n" "$id" "$values"
  done
done

这会读取标题和打印件（格式略有不同），然后它会读取每一行并为这些行中的每一行打印一行，每行id给出一行。要查找id s，ids字符串将以分号（;）拆分。

Bash代码用于构建蛋白质组学数据

2 个答案: