[英]using sed/awk to fix a malformed file
我有一个格式错误的变体调用文件,我正在尝试修复。 我一直在尝试找出一种解决方法,但遇到了一些麻烦。 这是该文件的一个片段:
##fileformat=VCFv4.1
##fileDate=20151024
##INFO=<ID=ALT,Number=1,Type=String,Description="Allele B">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT D00270
1 167945 . C . . ALT=T GT 0/0
1 290868 . G T . . ALT=T GT 0/1
1 700273 . A C . . ALT=C GT 0/1
1 744314 . G A . . ALT=A GT 1/0
1 765121 . A G . . ALT=G GT 0/1
1 1047386 . G A . . ALT=A GT 1/0
1 1113115 . T C . . ALT=C GT 1/0
1 1623724 . G . . ALT=A GT 0/0
1 1627611 . G . . ALT=C GT 0/0
1 1664597 . T C . . ALT=C GT 1/1
1 1670775 . T C . . ALT=C GT 1/1
在某些情况下,ALT列中没有任何内容,但为了使文件正确形成并在下游分析中很有用,需要这样做。 ALT列中的数据应该在INFO列中ALT =的右侧。 如何用INFO列中等号右边的字母替换ALT列中的空白数据? 理想的输出如下所示:
##fileformat=VCFv4.1
##fileDate=20151024
##INFO=<ID=ALT,Number=1,Type=String,Description="Allele B">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT D00270
1 167945 . C T . . ALT=T GT 0/0
1 290868 . G T . . ALT=T GT 0/1
1 700273 . A C . . ALT=C GT 0/1
1 744314 . G A . . ALT=A GT 1/0
1 765121 . A G . . ALT=G GT 0/1
1 1047386 . G A . . ALT=A GT 1/0
1 1113115 . T C . . ALT=C GT 1/0
1 1623724 . G A . . ALT=A GT 0/0
1 1627611 . G C . . ALT=C GT 0/0
1 1664597 . T C . . ALT=C GT 1/1
1 1670775 . T C . . ALT=C GT 1/1
感谢您提出的任何建议。 如果有帮助,则用制表符分隔文件。
你可以试试,
awk -vOFS="\t" '
NF==9 && $0 !~ /^#/ {
split($7,a,"="); #extract base from column 7
$4=$4"\t"a[2]; #Adding column
}
$0 !~ /^##/ {$1=$1;} #recompile $0 with output field separator
1' file #print
你得到,
##fileformat=VCFv4.1
##fileDate=20151024
##INFO=<ID=ALT,Number=1,Type=String,Description="Allele B">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT D00270
1 167945 . C T . . ALT=T GT 0/0
1 290868 . G T . . ALT=T GT 0/1
1 700273 . A C . . ALT=C GT 0/1
1 744314 . G A . . ALT=A GT 1/0
1 765121 . A G . . ALT=G GT 0/1
1 1047386 . G A . . ALT=A GT 1/0
1 1113115 . T C . . ALT=C GT 1/0
1 1623724 . G A . . ALT=A GT 0/0
1 1627611 . G C . . ALT=C GT 0/0
1 1664597 . T C . . ALT=C GT 1/1
1 1670775 . T C . . ALT=C GT 1/1
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.