改名变体列

Question

我在第二个字段中有一个带有rsID的大文件。

有些变体采用这种格式:chr1 1-97981343:AT 55886062-AT

使用bash命令，如何替换这些标识符来打印rsID (例如，rs55886062)？

玩具数据集：

1   rs3918290   110 97915614    A   G
1   chr1-97981343:rs55886062-AT 110 97981343    A   T
1   rs72549303  110 97915622    C   A
1   rs17376848  110 97915624    G   A
1   rs59086055  110 97915746    A   G

期望的输出：

1   rs3918290   110 97915614    A   G
1   rs55886062  110 97981343    A   T
1   rs72549303  110 97915622    C   A
1   rs17376848  110 97915624    G   A
1   rs59086055  110 97915746    A   G

Answer 1

如果变体格式总是使用:和-构造的，而且如果您不介意调整文件的空格，则可以这样做：

awk 'split($2, a, ":") && a[2]{ split(a[2], b, "-"); $2 = b[1] }{$1 = $1}1' input

Answer 2

更多的样本将有助于构建regexp模式。这里有一个可能的解决方案：

$ sed -E 's/\<chr[0-9]+-[0-9]+:(rs[0-9]+)-[A-Z]+/\1/' ip.txt
1   rs3918290   110 97915614    A   G
1   rs55886062 110 97981343    A   T
1   rs72549303  110 97915622    C   A
1   rs17376848  110 97915624    G   A
1   rs59086055  110 97915746    A   G

• \< anchor
• chr[0-9]+-[0-9]+: match chr，后面是一个或多个数字，后面是-，后面是一个或多个数字，接着是:
• (rs[0-9]+) capture rs，接着是一个或多个digits
• -[A-Z]+匹配-，后面是一个或多个大写字符

Answer 3

遵循sed命令可能会有所帮助

sed -E 's/[^[:blank:]]*(rs[0-9]+)[^[:blank:]]*/\1/' file