根据列匹配从两个文件创建输出文件

Question

我有两个文件input1.vcf.gz和input2.vcf.gz，输出将输出.vcf.gz

input1.vcf.gz

X   60060   2   572 G:1 C:0
X   60070   2   572 G:0.996503  T:0.0034965

input2.vcf.gz

X   60060   .   G   C   .   .    ;AA=0.131148;AFE=0.154639;EUN=0;AFW=0.181818;MED=0.00446429;LAT=0.0165746;VT=SNP;AF=0.04
X   60070   .   G   T   .   .    ;AA=0;AFE=0;EUN=0;AFW=0;MED=0;LAT=0;AF=0.0009;VT=SNP

output.vcf.gz

X   60060   .   G   C   .   .    ;AA=0.131148;AFE=0.154639;EUN=0;AFW=0.181818;MED=0.00446429;LAT=0.0165746;VT=SNP;AF=0.04;ASNE=0

    60070   .   G   T   .   .    ;AA=0;AFE=0;EUN=0;AFW=0;MED=0;LAT=0;AF=0.0009;VT=SNP;ASNE=0.0034965

下面 根据coloumn匹配将ASNE = 0和ASNE = 0.0034965附加到第二个文件

所有文件都是.gz格式

Answer 1

以下是我认为你要做的事情，使用第一列和第二列作为键：

awk 'FNR==NR { split($NF,a,":"); b[$1,$2]=a[2]; next } ($1,$2) in b { print $0 ";ASNE=" b[$1,$2] }' input1.vcf input2.vcf

结果：

X   60060   .   G   C   .   .    ;AA=0.131148;AFE=0.154639;EUN=0;AFW=0.181818;MED=0.00446429;LAT=0.0165746;VT=SNP;AF=0.04;ASNE=0
X   60070   .   G   T   .   .    ;AA=0;AFE=0;EUN=0;AFW=0;MED=0;LAT=0;AF=0.0009;VT=SNP;ASNE=0.0034965

因此，对于压缩文件，请尝试：

awk 'FNR==NR { split($NF,a,":"); b[$1,$2]=a[2]; next } ($1,$2) in b { print $0 ";ASNE=" b[$1,$2] }' <(gzip -dc input1.vcf.gz) <(gzip -dc input2.vcf.gz) | gzip > output.vcf.gz

请告诉我它是怎么回事。 HTH。