这肯定是awk或其他方面的一项微不足道的任务,但它让我今天早上挠头.我有一个格式与此类似的文件:
pep> AEYTCVAETK 2 genes ADUm.1024,ADUm.5198,ADUm.750 pep> AIQLTGK 1 genes ADUm.1999,ADUm.3560 pep> AIQLTGK 8 genes ADUm.1999,ADUm.3560 pep> KHEPPTEVDIEGR 5 genes ADUm.367 pep> VSSILEDKTT 9 genes ADUm.1192,ADUm.2731 pep> AIQLTGK 10 genes ADUm.1999,ADUm.3560 pep> VSSILEDKILSR 3 genes ADUm.2146,ADUm.5750 pep> VSSILEDKILSR 2 genes ADUm.2146,ADUm.5750
我想在第2列中为每个不同的肽值打印一行,这意味着上面的输入将成为:
pep> AEYTCVAETK 2 genes ADUm.1024,ADUm.2731 pep> VSSILEDKILSR 3 genes ADUm.2146,ADUm.5750
这是我到目前为止所尝试过的,但显然我也不需要:
awk '{print $2}' file | sort | uniq # Prints only the peptides... awk '{print $0,"\t",$1}' file |sort | uniq -u -f 4 # Altogether omits peptides which are not unique...
最后一点,它需要将作为其他肽的子串的肽作为不同的值处理(例如VSSILED和VSSILEDKILSR).谢谢 :)