创建基于列的两个文件基于一个输出文件匹配

Question

我有两个文件input1.vcf.gz和input2.vcf.gz和输出将是output.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 

这里 ASNE = 0并连接到基于coloumn 2号文件ASNE = 0.0034965匹配

的所有文件。广州格式

Answer 1

这里就是我想你现在要做的，使用一个列和两作为关键字：

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，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 

请让我知道它是怎么回事。 HTH。