使用bash选择某个基因，然后计算独特的变异

Question

我有一个包含基因突变的 tsv 文件

基因	突变
A	错觉
乙	错觉
乙	删除
C	删除
D	删除
乙	沉默
乙	删除

我想：

1. 选择具有基因 B 突变的行。
2. 计算突变的独特类型。
3. 计算每种类型的出现次数并排序。

输出应该是：

Deletion 2  
Missense 1  
Silent 1  

我尝试了以下 bash 命令，但它不起作用：

awk '$1 == B' filename | cut -f2 | sort | uniq | wc -l

我已经根据@jhnc 提供的答案尝试了这个命令并且它完美地工作：

awk '$1=="B"{n[$2]++} END{ for(m in n)print m,n[m] }' filename | sort| uniq

Answer 1

你可以这样做（假设输入在 /var/tmp/IP.tsv 中）

grep '^B\t' /var/tmp/IP.tsv | cut -f2 | sort -u | while read mutation; do \
 echo $mutation $( grep -c "^B\t$mutation\$" /var/tmp/IP.tsv ); \
done

它不是超级优雅-但是....

Answer 2

您可以使用

grep -o

来过滤所需的输出，并使用

grep -c

来计算出现次数。

这远不是一个可靠的解决方案，但与您的起点并没有太大不同，应该可以完成工作：

#!/bin/bash
    
for mut in $(grep -o "^B.*" input.tsv | cut -f2 | sort | uniq)
do  
    printf "%s %s\n" $mut $(grep -c "^B.*$mut" input.tsv)
done

输出：

$ ./script.sh 
Deletion 2
Missense 1
Silent 1

Answer 3

A 非常-非常大/数据输入/文件慢

bash

解决方案。

#!/usr/bin/env bash

search=B
input=file.tsv

declare -A uniq

while read -r Gene Mutation; do
  [[ "$Gene" = "$search" ]] &&
   ((uniq["$Mutation"]++))
done < "$input"

for i in "${!uniq[@]}"; do
  printf '%s %s\n' "$i" "${uniq[$i]}"
done | sort

Answer 4

像下面这样的简单命令将为您提供非常接近您想要的输出。

命令：

grep B filename | sort | uniq -c

输出：

  2 B       Deletion
  1 B       Missense
  1 B       Silent

要获得准确的输出，请使用以下命令：（更新为读取三个变量，感谢 jhnc。这正是我最初想要的，哈哈）

grep B filename | sort | uniq -c | while read i j k; do echo $k $i; done

为了让“grep”更健壮，你可以这样做

grep "^ *B.*" filename...