Ho un file in righe come sotto e vorrei convertirlo in due colonne.Converti righe in colonne
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
...
output desiderato è
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
...
Gradirei qualsiasi aiuto. Grazie.
Un approccio:
perl -i -pe 's/\n//unless m/^[ACGT]+$/' FILENAME
Ciò a posto Modificare il file FILENAME, la sostituzione di un ritorno a capo con uno spazio in ogni riga che non è una stringa di A di, C di, G e T.
Uso awk:
awk '{ printf "%s", $0 (substr($0, 1, 1) == ">" ? " " : ORS) }' infile
uscita:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
In pitone:
fd = open('filepath')
cols = izip(fd, fd)
with open('output_filepath') as outfile:
for col in cols:
outfile.write('\t'.join(col).replace('\n', '') +'\n')
L'uscita desiderata deve essere contenuto nel output_filepath
Questo è un uso estremamente intelligente di 'izip' (non avrei mai pensato di" zippare "un generatore con se stesso per romperlo in pezzi). – mgilson
@mgilson: Vorrei averlo inventato io stesso. L'ho letto prima in un altro post SO, che purtroppo non riesco a trovare ATM. Ma quella era la sensazione esatta quando l'ho letto anch'io. – inspectorG4dget
Solo un pignolo: ''' .join (col) .replace ('\ n', '\ t')' è probabilmente meglio di: ''\ t'.join (col) .replace (' \ n ',' ') '. Penso che sia un po 'più chiaro e non appunta una tabulazione extra alla fine della riga. – mgilson
Non so se sei a conoscenza dei moduli BioPerl per la lettura/scrittura e altre funzioni genetiche. Il tuo problema può essere scritto in questo modo.
#!/usr/bin/perl
use strict;
use warnings;
use Bio::SeqIO;
my $file = 'o33.txt';
my $in = Bio::SeqIO->new(-file => $file,
-format => 'fasta');
while (my $seq = $in->next_seq()) {
print $seq->id, "\t", $seq->seq, "\n";
}
__END__
00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
wow! grazie a tutti. – Supertech
Un'altra opzione Perl è impostare il delimitatore record '>', per leggere in due righe alla volta, quindi sostituire la nuova riga per una scheda:
use Modern::Perl;
local $/ = '>';
do { s/\n/\t/; print }
for <DATA>;
__DATA__
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
uscita:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
Per un file:
use Modern::Perl;
use autodie;
open my $inFile, '<', 'inFile.txt';
open my $outFile, '>', 'outFile.txt';
local $/ = '>';
do { s/\n/\t/; print $outFile $_ }
for <$inFile>;
close $inFile;
close $outFile;
Speranza questo aiuta!
In Ruby userei qualcosa di simile:
File.readlines('test.txt').map(&:strip).each_slice(2) do |row|
puts row.join(' ')
end
quali uscite:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
Una soluzione più ordinato Python:
from itertools import izip
with open('test.txt') as inf, open('newtest.txt', 'w') as outf:
for head,body in izip(inf, inf):
outf.write(head.rstrip() + ' ' + body)
Supponendo che l'ingresso è in vero formato FASTA , è possibile utilizzare awk e la funzione getline:
awk '/^>/ { printf "%s ", $0; getline; print }' file.txt
uscita:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
HTH
Qual è il problema? Basta leggere nel file ed emettere 1 riga per ogni due righe. – Chip
Sono io o l'input di esempio == l'output desiderato? –
@JonClements - Penso che i caratteri '>' siano effettivamente nel file. In realtà non stanno segnando l'inizio di una linea. – mgilson