Altera um caractere em uma coluna dependendo de uma instrução de outra coluna

Question

Estou tentando configurar um script que converterá uma sequência de códon em outra sequência de códon, dependendo das variantes que encontrar em meus dados NGS.

Atualmente, o My script cria um arquivo de saída delimitado por tabulação, com 6 colunas. Cada coluna representa o seguinte:

• 1º: posição do genoma
• 2º: base de nucleotídeos
• 3º: Codon
• 4º: ordem de posição do genoma no códon
• 5º: frequência do SNP
• 6: Base SNP

Os dados de saída são assim:

2289     G       GTG    3        0.0346505      A

2478     G       ATG    2        0.0054087      C

É possível configurar uma sétima coluna no arquivo de saída, que altera a seqüência de nucleotídeos do códon, dependendo do número na coluna 4, para o nucleotídeo do SNP (coluna 6)?

Por exemplo,

• Para a posição do genoma 2289:

O códon GTG se tornaria GTA. O nucleotídeo A do SNP substitui a 3ª seqüência nucleotídica no códon, a ordem da seqüência do códon é especificada na coluna 4.

• Para o genoma Posição 2478

O codon ATG se tornaria ACG. O nucleotídeo C de SNP substitui a segunda seqüência de nucleotídeos no códon.

É possível usar awk ou sed para fazer isso?

    

Answer 1

Era tão tentador apenas responder "sim" à pergunta "é possível ...".

Será que algo assim faria?

awk '{l=substr($3,1,$4-1); r=substr($3,$4+1); print $0"\t"l $6 r}' genome > mutated

    

Answer 2

Cuidando das posições permitidas na string:

awk -F"\t" '{printf $0 "\t"; if ($4 > 1) { printf substr($3, 1, $4 - 1) }; printf $6; if ($4 < length($3)) { printf substr($3, $4 + 1) }; printf "\n"}'

Ou talvez um pouco mais compreensível:

awk -F"\t" 'BEGIN { OFS = FS } { if ($4 > 1) { mod = substr($3, 1, $4 - 1) }; mod = mod $6; if ($4 < length($3)) { mod = mod substr($3, $4 + 1) }; print $0, mod }'

E como substr não parece se importar tanto com limites:

awk -F"\t" 'BEGIN { OFS = FS } { mod = substr($3, 1, $4 - 1) $6 substr($3, $4 + 1); print $0, mod }'

    

Answer 3

Solução de Perl:

perl -lane 'substr $n = $F[2], $F[3] - 1, 1, $F[5]; print join "\t", $_, $n' -- file

• -n lê a linha de entrada por linha
• -l remove as novas linhas da entrada e as adiciona a impressão s
• -a divide cada linha no espaço em branco no array @F
• veja substr para detalhes

Answer 4

Com alguns perl dividindo e juntando:

perl -alne '
  @c = split //, $F[2]; 
  splice @c, $F[3]-1, 1, $F[5]; 
  print join "\t", @F, join "", @c;
' data

Explicação:

- split 3rd column into character array @c
- replace the value indexed by the 4th column with that of the 6th
- stitch it all back together, delimited by tabs

Teste - dado

$ cat data
2289    G       GTG     3       0.0346505       A
2478    G       ATG     2       0.0054087       C

então

$ perl -alne '
    @c = split //,$F[2]; splice @c,$F[3]-1,1,$F[5]; print join "\t",@F,join "",@c
  ' data
2289    G       GTG     3       0.0346505       A       GTA
2478    G       ATG     2       0.0054087       C       ACG

    

Answer 5

perl -plane 'substr($F[2],$F[3]-1,1)=$F[5]; $_.="\t$F[2]"' data

• altere F2 de acordo com a pergunta substr($F[2],$F[3]-1,1)=$F[5]
• e concatenar na linha de entrada $_.="\t$F[2]"