HowTo. Написание сценария awk

Question

Добрый день из Испании. Я изучаю AWK, и я знаю, как делать команды из терминала Linux с помощью труб, но я бы хотел писать сценарии AWK. Посмотрим, сможешь ли ты мне помочь.

У меня есть следующий код:

awk '{if (NR!=1) {printf $0}}' sequence.fasta | 
awk '{sub(/ATG/, "\n&")}{print}' | 
awk 'NR == 2' | awk '{gsub(/.../, "& ")}1' | 
awk '{for (i=1; i<=NF; i++) {printf $i" "; if ($i~/TAA/ || $i~/TAG/ || $i~/TGA/) {exit}}}' | 
fold -w 60 

из файла FASTA, этот сценарий показывает от стартового кодона (ATG) СТОП-кодона (ТАА, TAG или TGA). Файл FASTA имеет следующую структуру:

>sequence.fasta 
GATCCAAAACACATTCTCCCTGGTAGCATGGACAAGCAACATTTTGGGAGAAATGGAGCAAAAAAACATA 
AACTTCACAGTAACAAACATAAACACTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTC 
TCTCTCTCCACACACACACACACTCGCACTCACAGCCTCACAACACAGGTATACATGTTTACTTAGGTCA 
CTCAGAATTGTAAACTGTAAGTGTGCCTTGCAAAGAACCACTGCTCCTTACAGTGAGCAGTGCTTACCTG 
GTGCTTACCTGAAGAAGATATAGCTCCTTAAAGAGTAAATGAATAAATACCTTAAGTAAGTTTGGGAAAC 

Применив код я написал выше, я получаю следующий результат:

ATG GAC AAG CAA CAT TTT GGG AGA AAT GGA GCA AAA AAA CAT AAA 
CTT CAC AGT AAC AAA CAT AAA CAC TCT CTC TCT CTC TCT CTC TCT 
CTC TCT CTC TCT CTC TCT CTC TCT CTC TCT CCA CAC ACA CAC ACA 
CTC GCA CTC ACA GCC TCA CAA CAC AGG TAT ACA TGT TTA CTT AGG 
TCA CTC AGA ATT GTA AAC TGT AAG TGT GCC TTG CAA AGA ACC ACT 
GCT CCT TAC AGT GAG CAG TGC TTA CCT GGT GCT TAC CTG AAG AAG 
ATA TAG 

Итак, мой код сделать это:

Он печатает все последовательности вместе за исключением заголовка. Printf печатает без \ n.

awk '{if (NR!=1) {printf $0}}' sequence.fasta 

Он ищет первый ATG и представляет новую линию.

awk '{sub(/ATG/, "\n&")}{print}' 

Как мы только вводит новую строку при запуске ATG, се выберите линию 2, игнорируя линии 1 (5'-UTR).

awk 'NR == 2' 

Теперь мы создаем кодоны, разделенные пробелом.

awk '{gsub(/.../, "& ")}1' 

Теперь, с петлей, мы ищем кодон STOP. Когда он находит это, цикл останавливается.

awk '{for (i=1; i<=NF; i++) {printf $i" "; if ($i~/TAA/ || $i~/TAG/ || $i~/TGA/) {exit}}}' 

Для лучшего обзора мы исправим ширину 60 символов.

fold -w 60 

Итак, я попытался поставить все вместе в script.awk, но он не работает. Я знаю, что с awk это не так просто, как писать все вместе. Так, пожалуйста, помогите мне с этим, пожалуйста?

Answer 1

Похоже, что все, что вы пытаетесь сделать, это пропустить первую строку, а затем распечатать с первого появления «ATG» в вашем файле до первого появления TAA, TGA или TAG в комбинациях из 3 букв и распечатать их рядами по 15 столбцов. Если это так, то это просто так:

$ cat file 
>whatever 
GATCCAAAACACATTCTCCCTGGTAGCATGGACAAGCAACATTTTGGGAGAAATGGAGCAAAAAAACATA 
AACTTCACAGTAACAAACATAAACACTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTCTC 
TCTCTCTCCACACACACACACACTCGCACTCACAGCCTCACAACACAGGTATACATGTTTACTTAGGTCA 
CTCAGAATTGTAAACTGTAAGTGTGCCTTGCAAAGAACCACTGCTCCTTACAGTGAGCAGTGCTTACCTG 
GTGCTTACCTGAAGAAGATATAGCTCCTTAAAGAGTAAATGAATAAATACCTTAAGTAAGTTTGGGAAAC 
$ 
$ cat tst.awk 
NR>1 { rec = rec $0 } 
END { 
    if (match(rec,/ATG/)) { 
     rec = substr(rec,RSTART) 
     gsub(/.../,"& ",rec) 
     match(rec,/(TAA|TAG|TGA) /) 
     rec = substr(rec,1,RSTART+RLENGTH-2) 
     gsub(/(...){15}/,"&\n",rec) 
     print rec 
    } 
} 
$ 
$ awk -f tst.awk file 
ATG GAC AAG CAA CAT TTT GGG AGA AAT GGA GCA AAA AAA CAT AAA 
CTT CAC AGT AAC AAA CAT AAA CAC TCT CTC TCT CTC TCT CTC TCT 
CTC TCT CTC TCT CTC TCT CTC TCT CTC TCT CCA CAC ACA CAC ACA 
CTC GCA CTC ACA GCC TCA CAA CAC AGG TAT ACA TGT TTA CTT AGG 
TCA CTC AGA ATT GTA AAC TGT AAG TGT GCC TTG CAA AGA ACC ACT 
GCT CCT TAC AGT GAG CAG TGC TTA CCT GGT GCT TAC CTG AAG AAG 
ATA TAG 
$