好吧,我对这类事情还不太熟悉,所以请容忍我。你知道吗
我有两个文件:
search_results_accesions.txt
是一个标识符列表,每行一个。它看起来是这样的(注意不是所有的标识符都以“NP\”开头):
$ more search_results_accessions.txt
NP_000020.1
NP_000026.2
NP_000027.2
NP_000029.2
NP_000034.1
NP_000042.3
NP_000056.2
NP_000063.2
NP_000065.1
NP_000068.1
NP_000088.3
NP_000112.1
NP_000117.1
NP_000147.1
NP_000156.1
NP_000167.1
NP_000205.1
NP_000228.1
NP_000241.1
NP_000305.3
NP_000347.2
NP_000354.4
NP_000370.2
prot.accession2taxid.txt
是一个文件,它列出了每一个标识符(还有很多很多不在我的列表中的标识符),并给出了相应的taxid
。下面是它的样子(第三列包含taxid
):
$ more prot.accession2taxid
accession accession.version taxid gi
APZ74649 APZ74649.1 36984 1137646701
AQT41667 AQT41667.1 1686310 1150388099
WP_080502060 WP_080502060.1 95486 1169627919
ASF53620 ASF53620.1 492670 1211447116
ASF53621 ASF53621.1 492670 1211447117
ASF53622 ASF53622.1 492670 1211447118
ASF53623 ASF53623.1 492670 1211447119
ASF53624 ASF53624.1 492670 1211447120
ASF53625 ASF53625.1 492670 1211447121
ASF53626 ASF53626.1 492670 1211447122
ASF53627 ASF53627.1 492670 1211447123
ASF53628 ASF53628.1 492670 1211447124
ASF53629 ASF53629.1 492670 1211447125
ASF53630 ASF53630.1 492670 1211447126
ASF53631 ASF53631.1 492670 1211447127
ASF53632 ASF53632.1 492670 1211447128
ASF53633 ASF53633.1 492670 1211447129
APZ74650 APZ74650.1 36984 1137646703
APZ74651 APZ74651.1 36984 1137646705
APZ74652 APZ74652.1 36984 1137646707
APZ74653 APZ74653.1 36984 1137646709
APZ74654 APZ74654.1 36984 1137646711
字段以制表符分隔。你知道吗
我需要为我的searchresults_accessions.txt
文件中的每个accession
获取taxid
。我使用的是Unix系统,如果可能的话,我更喜欢使用命令行或Python。你知道吗
这里有一个
awk
的解决方案(您说的是命令行或Python):说明:
accessions
文件,然后taxids
NR==FNR
),我们将第一列中的值添加到关联映射ids
下面是一个使用python和
pandas
模块的解决方案。你知道吗为此,我对您的文件做了一些修改(在第一个文件的顶部添加了一个列名,并在第二个文件中将多个选项卡替换为单个选项卡)。假设您有以下文件
file1.txt
:和
file2.txt
:您可以执行以下操作:
如果您只对出租车感兴趣:
相关问题 更多 >
编程相关推荐