ファイルで私が定義した特定の変数で始まる行を見つけるためにgrepを使用しようとしています。変数検索を使用するときは、そのコマンドに二重引用符を使用する必要があることを認識していますが、空行のみが印刷されます。私が試したことは次のとおりです。
grep -En "^$i" examplefile.txt
また、それが問題であることを確認するために正規表現を使用してみましたが、grep -En "$i" examplefile.txt私にはうまくいきませんでした。助けてくれてありがとう！
編集：@steeldriverが問題を発見しました。元の問題は、$i変数を提供するテキストファイルにWindowsキャリッジリターン文字があることです。これで最初の反復だけが実行されますが、後続の行には空のファイルが生成されます。どんなアイデアがありますか？
for j in {1..48}
do
echo $j
i=$(cat barcodes.txt | sed -n ${j}p)
echo $i
grep -E "^*:$i" subset.fq >> GrepBarcode_$i.txt
done
検索中のファイルのサンプルと検索に使用したバーコードを要求されました。申し訳ありません。最初は使えませんでした！これが私が探しているものです：
6:AAAGAGAAATGTAATTTATACATACAGTACATATATATATGGCAGCTGTCTCCCCAAATCCTGCTCTACTGCGTCATTGTTGTGGGAATTATTCCTGGGAGGGATGCGTGAAAAATGCAAGGATATGTGCCAAGAGTACTGCAGCACTA
10:AAAGACACTGCAGATAAACCCTGTGTAATAAATACATAAAATATGTTCCAACCATTTTTATAAATTTTCTGAGTAATCTGTGTTGGATTTTCAGAGTAAGCAAATGAGAAATTAGAGTATTTGATTCCCTGTTGCTTATCCAGGACTTT
14:AATTCTATTCTATTCTATTCTATTCTATTCTATTCTATTCTATCCTATCCTATCCTATCCTATCCTATTCTATTCTATCCTATCCTATCCTATCCTATTCCTTTTCTATTCTATTCTATTCTATTCTATTCTATTCTATTCATTTTCTA
18:AAATGCAAAAAGGAAACATGGAAGAGCACTGGATCTCTTACCATTAAACTGCTCAAGTTATTGGTTCGTTTATGTAATAACAAATGACAAAAGTATTACAACCCAGCCATTTATTTATCTATTCCAGTCTACTCCATCTTGATAAATTC
22:TATGGTTTCCGTTGCTGCCATCTCAAAAACATTTGGACTGCTCCGCTTCCTCCTGAGACTGAGCTTTCTCGCCAAATGACGACTTCTACCACATCTATTGACATTATGGGTCTGCAAGCTGCTTATGCTAATTTGCATACTGACCAAGA
26:AAAAACTTGGGTTCCCACCACCCGGCAAGCCTTCAGGAAATCAGCTACAGTGGAGGAGGGATTGGCTGCCACGGGCTGCAAGACTTTCTGACAGTCCGCATTAGCATTTTCCCAAGCTAATTTCCGCACCAATTCAAACTGAGCGTCCT
30:CAATCTTTCCAAGCAACAGCAGGTTTCCGAGATTATGCGCCAAATGCTTACTCAAGCTCAAACGGCTGGTCAGTATTTTACCAATGACCAAATCAAAGAAATGACTCGCAAGGTTAGTGCTGAGGTTGACTTAGTTCATCAGCAAACGC
34:TGATTATTTTGAGTTTGAGCGTATTGAGGCTCTTAAACCTGCTATTGATGCTTGTGGCATTTCTACTCGTTCTCAATTTCCAATTCTTGGCATCCATAAGCTGACGGATAAGCGTATTACGCCGGTTGAATAGGTTCTGTCGCTTCGGA
38:AAGCAACCATACAAATATAACAAATACAAAAGCACACCAAGGCACAACCAAGTCAATGAGACAAAGTTTCGGAAACTTTGTGGTATCACTAGGTTTTCATACAGGATTGATATTTCCCATTACGTTTATCTAATAAATTCAGGAATTTG
私が望むのは、テキストファイルに含まれる特定の5桁のコード（数字とコロンの後ろ）で始まる行を検索することです。
GCAGA
ACTGA
TATCC
各バーコードで始まる行を見つけて、行全体を新しいファイルとして印刷するには、このファイルが必要です（GrepBarcode_$i.txtと呼びます。ここで、$iはバーコードです）。
ベストアンサー1
上記のスクリプトはMKD_nsi_lib1_R1_001.fqファイルを48回grepします。ファイルサイズが小さくないと、スクリプトが非常に遅くなります。
また、Barcodes.txtに対してcat48回実行されますsed。速度は高速ではありませんが、.fqファイルを48回読み取るのと同じくらい高価ではありません。
同じ入力ファイルで複数回実行するのではなく、必要grepな操作を一度に実行するawkまたはperlスクリプトを作成します（ファイルが大きいほど優れていますbarcodes.txt）MKD_nsi_lib1_R1_001.fq。
このような：
#!/usr/bin/perl
use strict;
# %patterns is a hash where the keys are fixed-text
# strings, and the values are file-handles to
# files opened for append.
my %patterns;
# First open the barcodes.txt file and read it into
# the %patterns hash
my $barcodes;
open($barcodes,'<','barcodes.txt') ||
die "Couldn't open 'barcodes.txt' for read: $!\n";
while(<$barcodes>) {
chomp; # strip the newline at the end of each line
my $outfile = "GrepBarcode_$_.txt";
open($patterns{$_}, ">>", $outfile) ||
die "Couldn't open '$outfile' for append: $!\n";};
close($barcodes);
# Now process the .fq file(s) listed on the command line.
# also works with stdin.
while(<>) {
# this assumes that the keyword is at the start
# of the line and is followed by whitespace. This
# is only a guess on my part, since you didn't describe
# or provide a sample of your file. If there's a different
# delimiter in the input file, adjust the regex in the split
# function.
my ($p,undef) = split /\s+/, $_, 2;
if (defined($patterns{$p})) {
print { $patterns{$p} } $_;
};
};
実行するには、ファイル（たとえばsplit-fq.pl）に保存し、chmod +x split-fq.pl次のように実行可能にします。
./split-fq.pl MKD_nsi_lib1_R1_001.fq
これは比較時に固定文字列を使用するように書かれていますMKD_nsi_lib1_R1_001.fq。各入力行から最初の「単語」を抽出し、それがハッシュのキーであることを確認します。%patternsその場合、現在の行は関連するファイルハンドルへの書き込みです。
ただし、正規表現を使用できますが、遅くなります。
#!/usr/bin/perl
use strict;
# %patterns is a hash where the keys are pre-compiled
# regular expressions anchored to the start of line ^,
# and the values are handles to files opened for append.
my %patterns;
my $barcodes;
open($barcodes,'<','barcodes.txt') ||
die "Couldn't open 'barcodes.txt' for read: $!\n";
while(<$barcodes>) {
chomp;
my $outfile = "GrepBarcode_$_.txt";
open($patterns{qr/^$_/}, ">>", $outfile) ||
die "Couldn't open '$outfile' for append: $!\n";
};
close($barcodes);
while(<>) {
MATCH: foreach my $re (keys %patterns) {
if (m/$re/) {
print { $patterns{$re} } $_;
last MATCH; # no need to test any more patterns against current line
};
};
};
これは上記の固定テキストバージョンよりも遅いですが、grepシェルforループで48回実行するよりもはるかに高速です。 48回ではなく、.fqファイルを一度だけ読んでください。
注：これは同様の操作を実行する方法の例にすぎません。あなたのファイルに何があるのかわからないので、彼らがあなたのデータを正しく処理しているかどうかはわかりません。あなたはバーコード.txtまたは.fqファイルの例を提供していません。実際のデータに合わせてスクリプトを変更する必要がある場合は、ほぼ確実です。
また、fastqファイルを分割するためのより良いツールがすでに存在する可能性があります。実際に、Perlで書かれたバイオインフォマティクススクリプトとツールで構成された巨大なライブラリは次のとおりです。https://bioperl.org/
Pythonを好む場合は、次を参照してください。https://biopython.org/
もちろん、生物情報学に関する質問を扱うStack Exchangeサイトもあります。https://bioinformatics.stackexchange.com/
次のバージョンは、あなたが提供したサンプルデータで動作します。
最初の固定文字列バージョンと同様に機能しますが（速度もほぼ同じである必要があります）、コロン（）をフィールド区切り文字として使用して、.fqファイルの各入力行を2つのフィールド（変数$numと）に分割します。$data:
次に、Perlsubstr()関数を使用して最初の5文字を抽出し、$dataという別の変数に入れます$start。
$start値を持つキーが配列にある場合、%patterns現在の行（$_）は関連する出力ファイル（のファイルハンドル$patterns{$start}）に書き込まれます。
#!/usr/bin/perl
use strict;
my %patterns;
my $barcodes;
open($barcodes,'<','barcodes.txt') ||
die "couldn't open 'barcodes.txt' for read: $!\n";
while(<$barcodes>) {
chomp;
my $outfile = "GrepBarcode_$_.txt";
open($patterns{$_},">>","$outfile") ||
die "couldn't open '$outfile' for append: $!\n";
};
close($barcodes);
while(<>) {
my ($num,$data) = split /:/, $_, 2;
my $start = substr($data,0,5);
if (defined($patterns{$start})) {
print { $patterns{$start} } $_;
};
};
テスト用に実行したときに空の出力ファイルが作成されました。これは、コードに5文字のコードと一致するGrepBarcode_?????.txt行がないためです。examplefile.txtBarcodes.txt に追加すると、AAAGA次の内容のファイルが生成されます。GrepBarcode_AAAGA.txt
$ cat GrepBarcode_AAAGA.txt
6:AAAGAGAAATGTAATTTATACATACAGTACATATATATATGGCAGCTGTCTCCCCAAATCCTGCTCTACTGCGTCATTGTTGTGGGAATTATTCCTGGGAGGGATGCGTGAAAAATGCAAGGATATGTGCCAAGAGTACTGCAGCACTA
10:AAAGACACTGCAGATAAACCCTGTGTAATAAATACATAAAATATGTTCCAACCATTTTTATAAATTTTCTGAGTAATCTGTGTTGGATTTTCAGAGTAAGCAAATGAGAAATTAGAGTATTTGATTCCCTGTTGCTTATCCAGGACTTT