☰

Grepを使用してリストを検索し、一致するアイテムを返す

tag-icon • tag-icon linux bash grep for bioinformatics
Grepを使用してリストを検索し、一致するアイテムを返す

私は1000の遺伝子名の短いリストとID番号を含む20000の遺伝子名の完全なリストを持っています。

数値を返すために、リスト全体から短いリストを検索するforループを設定しようとしています。

コードは次のとおりです。

#/bin/bash

LIST=$(cat ShortList.txt)

for i in ${LIST}
    do
    RESULT=$(grep -i ${i} FullList.txt)
    echo "${RESULT}" >> Final_List_With_Numbers
    done

結果ファイルは空です。変更すべき事項についての提案はありますか？

助けてくれてありがとう！

いくつかのトラブルシューティングを行いました。

  • Shortlistコマンドラインでcatが機能していることを確認してください。
  • FullListコマンドラインでcatが機能していることを確認してください。
  • forループがどのように機能するかを確認してください。echo "${i}"
  • grep "gene" FullListコマンドラインからジョブを確認する
  • 検査された遺伝子はFullList

ベストアンサー1

最初の変更は、シェルループでこれを行わないことです！つまり、各遺伝子名に対してファイルを一度検索すると、必要なものよりもはるかに長い時間がかかります。代わりに-f、オプションを使用して名前のgrepリストを入力として使用してください。

grep -iFxf ShortList.txt  FullList.txt > Final_List_With_Numbers

使用されるオプションは次のとおりです。

  -i, --ignore-case
          Ignore  case  distinctions in patterns and input data, 
          so that characters that differ only in case match each other.

   -F, --fixed-strings
          Interpret PATTERNS as fixed strings, not regular expressions.
   -f FILE, --file=FILE
          Obtain patterns from FILE, one per line.  If this option is 
          used multiple times or is combined with the -e (--regexp) option,
          search for all patterns given.  The empty file contains zero patterns, 
          and therefore matches nothing.
   -x, --line-regexp
          Select  only  those matches that exactly match the whole line.  
          For a regular expression pattern, this is like parenthesizing
          the pattern and then surrounding it with ^ and $.

検索時に見つかる-xことを望まないので、これは特に重要です。LOC12345LOC1FullList.txtただ-w行ごとに遺伝子名がある場合は、代わりに使用できます-x。

   -w, --word-regexp
          Select only those lines containing matches that form whole  words.   The  test  is  that  the
          matching  substring  must  either  be at the beginning of the line, or preceded by a non-word
          constituent character.  Similarly, it must be either at the end of the line or followed by  a
          non-word  constituent  character.   Word-constituent  characters are letters, digits, and the
          underscore.  This option has no effect if -x is also specified.

これで、あなたが示したコードは実際に動作します。 Shortlistの名前の1つがFullListの名前の1つのサブストリングである可能性がある場合、これは非常に遅く、非効率的で、誤った結果を返す可能性があります。結果が得られない場合は、ShortList.txtWindowsで作成され、Windowsスタイルの行末（）があるようです\r\n。これはi、各ループがfor i in ${LIST}存在しないがgeneName存在geneName\rしないため、FullList.txt結果が見つからないことを意味します。

* nixファイルでテストすると、期待どおりに機能します。

$ cat ShortList.txt 
name1
name2
name3

$ cat FullList.txt 
name3
name4

次に、次の例で正しいコードを実行してみます。

$ LIST=$(cat ShortList.txt); for i in ${LIST}; do 
   RESULT=$(grep -i ${i} FullList.txt);     
   echo "${RESULT}" >> Final_List_With_Numbers;
 done
$ cat Final_List_With_Numbers 



name3

もちろん、これには空行も含まれています。なぜなら、一致するものが見つからない場合は空で$RESULTあるからです。ただし、echo入力を続けているため空白行のみが印刷されます。ここでシェルループを使用するもう一つの理由は悪い考えです。

おすすめ記事