Grep 多个位置 with/without ID

Question

我想grep一个vcf文件来搜索多个位置。以下作品：

grep -f template_gb37 file.vcf>gb37_result

我的 template_gb37 有 10000 行，看起来像这样：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

当 vcf 有 rs 时，它工作完美。

问题是我要grep的vcf可能没有rs和“.”。相反：

File.vcf

#CHROM  POS  ID  REF  ALT ....
1   1156131 .   C   T  ....
1   1211292 .   T   C  ....
1   1211292 .   T   C  ....

有没有办法用“rs”或“.”来搜索我的多个模式？

提前致谢

Answer 1

为此使用 awk 似乎更好，您的数据格式就是它想要的，列。首先解析（固定的）模式，保存它们，还用点而不是 rs... 创建额外的模式。然后匹配第二个文件中的行。

awk 'NR==FNR{a[    ]; a[  "."  ]; next}
     (    ) in a' template_gb37 file.vcf > gb37_result

Answer 2

我认为您的意思是文件中的第二个字段可以是 . 或 rsNNNNNN，并且您想允许其中一个。所以，我认为你需要一个 "alternation" 你用 | 做的是这样的：

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

因此您的模式文件 "template_gb37" 需要如下所示：

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

并且您需要搜索：

grep -Ef PATTERNFILE file.vcf

如果你不想改变你的模式文件，你可以在每次使用它时编辑它"on-the-fly"。所以，如果 "template" 当前看起来像这样：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

以下 awk 将对其进行编辑：

awk '{ = "(\.)|" }1' template

让它变成这样：

1 1156131 (\.)|rs2887286 C T
1 1211292 (\.)|rs6685064 T C
1 2283896 (\.)|rs2840528 A G

这意味着您可以像这样使用我的整个答案：

grep -Ef <( awk '{ = "(\.)|" }1' template ) file.vcf

Grep multiple positions with/without ID