Discussion :

[jane40]

Bonjour à tous,

Je viens vous demander de l'aide car j'ai besoin d'écrire un petit script en bash et je n'y connais rien !
Je suis statisticienne, je fais de la bio-informatique et je me sers de l'informatique afin de faire des études statistiques... Donc le bash ne m'a pas été très utile jusqu'ici...

Je vais sans doute être amenée à m'en servir davantage donc j'aimerais commencer à m'initer. Là j'en ai besoin pour modifier un fichier : s_garma-296_converted.sam qui se définit ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
more '/data/patient1/s_garma-296_converted.sam' 
@PG	ID:illumina_export2sam.pl	VN:2.0.0	CL:/usr/local/bin/illumina_export2sam.pl --read1=s_garma-296_1_export.txt --read2=s_garma-29
6_2_export.txt
HWI-ST584_81:4:1101:1176:2055	73	c18.fa	42449052	28	76M	*	0	0	NGAAATCTCACATTTGCCTTCTGCGATCCCACTTCTGTAGCTCT
CATCCAGGCTATGGTAAGTCCATTGCTGGTCA	############################################################################	BC:Z:TTAGGC	XD:Z:A75	SM:i:28	AS:i:0
HWI-ST584_81:4:1101:1176:2055	133	*	0	0	*	c18.fa	42449052	0	TGAAATCCTTTGAGGTCNNNNNNNNNNNNGTCACTGGCTGTGAG
GAGCTGCAAAAGAATAAAGAAATTTTCTCAGN	@@@FFFFFFHHHDHIFG###########################################################	BC:Z:TTAGGC
HWI-ST584_81:4:1101:1150:2056	73	c14.fa	95921912	28	76M	*	0	0	NCGCAGCTTCTCCAGAACTTTCCTCATCTCTTCCAGTTCTCCGG
TGATCTTCTCTGCACCCAAAGGAGAGGTGTTC	############################################################################	BC:Z:TTAGGC	XD:Z:G75	SM:i:28	AS:i:0
HWI-ST584_81:4:1101:1150:2056	133	*	0	0	*	c14.fa	95921912	0	CTACCCTCTTCAGGACANNNNNNNNNNNNTTCCCAGGGGCGAGG
AGTCTCTGGAGACGCTGGAGGAGCAGTCTGCN	@C@FF?DDHHDFDHHI?###########################################################	BC:Z:TTAGGC
HWI-ST584_81:4:1101:1235:2071	89	c1.fa	66031393	254	76M	*	0	0	AGTTAGGAATTCTCATACATGCTTATGATTAAAAATGCAAACCA
TAGTATAGGTGTATCAGTGTGAAAACGAAAAC	=GJGIJJIJJJJJJJIJJJJJIIJJJIHIHJJJJJJJJIHFJIJJJJJJJJJJIJJJJJJJJJHHHHHDFEFFCBB	BC:Z:TTAGGC	XD:Z:76	SM:i
:359	AS:i:0

en :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
more '/data/patient1/s_garma-296_converted.sam' 
@PG	ID:illumina_export2sam.pl	VN:2.0.0	CL:/usr/local/bin/illumina_export2sam.pl --read1=s_garma-296_1_export.txt --read2=s_garma-29
6_2_export.txt
HWI-ST584_81:4:1101:1176:2055	73	chr18	42449052	28	76M	*	0	0	NGAAATCTCACATTTGCCTTCTGCGATCCCACTTCTGTAGCTCT
CATCCAGGCTATGGTAAGTCCATTGCTGGTCA	############################################################################	BC:Z:TTAGGC	XD:Z:A75	SM:i:28	AS:i:0
HWI-ST584_81:4:1101:1176:2055	133	*	0	0	*	chr18	42449052	0	TGAAATCCTTTGAGGTCNNNNNNNNNNNNGTCACTGGCTGTGAG
GAGCTGCAAAAGAATAAAGAAATTTTCTCAGN	@@@FFFFFFHHHDHIFG###########################################################	BC:Z:TTAGGC

Je dois juste remplacer tous les c1.fa en chr1, ci.fa en chri.
D'habitude, je fais les modifications dans les fichiers avec R mais je ne peux pas ouvrir ce type de fichier avec R...

Je n'ai pas de début de proposition de code à vous proposer
J'ai commencé à regarder des tutos sur bash car j'aimerais dans un premier temps arriver à afficher par exemple chaque ligne d'un fichier ou la première valeur (colonne) de chaque ligne.

Enfin, je remarque que j'aurai une difficulté : dans les 2 premières lignes par exemple, les "c18.fa" ne sont pas placés dans les mêmes colonnes...

Merci à ceux qui pourront me donner des pistes pour régler mon problème,
Jane

[N_BaH]

Bonjour,

ce serait un peu lourd pour du bash.

tu peux utiliser sed :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

sed -i.sauvegarde 's/old/new/g' tonFichier

dans ton cas

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

sed -i.bak 's/c1\.fa/chr1/g; s/ci\.fa/chri/g' s_garma-296_converted.sam

la partie de gauche est une expression rationnelle (regex), c'est pourquoi le point est protégé par un anti-slash.
je te laisse regarder le man de sed pour voir exactement ce que font -i, s, et g.

[jane40]

Merci beaucoup pour cette réponse Je suis en train de regarder le man de sed.
Quand je disais devoir changer c1.fa en chr1, ci.fa en chri, je voulais dire c1.fa en chr1, c2.fa en chr2, c3.fa en chr3, c4.fa en chr4,.... c22.fa en chr22, cX.fa en chrX, cY.fa en chrY et cMt en chrMt...
Est-ce que je peux faire une boucle ?

[N_BaH]

alors il faut retenir l'élément qui change (ce qui est après "c", et avant le point) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

sed -i.bak ''s/c\([^.]*\)\.fa/chr\1/g' s_garma-296_converted.sam

ce que font les parenthèses protégées dans la partie gauche, et ce qui est restitué par le \1 dans la partie droite.

[jane40]

Super, c'est parfait ! Mon fichier est utilisable à présent

J'ai deux petites questions :
1) A quoi sert le fichier de sauvegarde .bak ?
2) Concernant l'option g,

g Copier l'espace intermédiaire à l'espace de travail.

qu'est-ce que ça fait concrètement ? C'est quoi l'espace intermédiaire ?

Autre question : je vais certainement avoir besoin de faire ce genre de modifications souvent dans des fichiers qu'on ne peut pas vraiment ouvrir. J'ai l'impression que la commande sed permet de faire quasiment toutes les modifications possibles (en tout cas nécessaires à mon niveau) dans un fichier. En gros, je n'aurai pas besoin d'apprendre le bash, l'utilisation de sed pourrait palier tous mes besoins...
Pour la manipulation de fichiers, est-ce que le bash et sed permettent des choses équivalentes ?

[N_BaH]

Pour la manipulation de fichiers, est-ce que le bash et sed permettent des choses équivalentes ?

oui, mais bash est beaucoup plus lent, la différence est d'autant plus sensible que le fichier est volumineux.

ce n'est pas le bon 'g' et je ne le trouve pas sur la page man.
celui qui est utilisé ici est un paramètre de 's' pour généraliser les substitutions sur une même ligne.
sans ce paramètre, seule la première occurrence serait substituée.

le fichier .bak c'est comme toute sauvegarde: au cas où...

[jane40]

oui, mais bash est beaucoup plus lent, la différence est d'autant plus sensible que le fichier est volumineux.

Ok ! Heureusement que j'ai utilisé sed, car cette commande m'a déjà pris plus d'une demi-heure, mon fichier faisant 25 Go

ce n'est pas le bon 'g' et je ne le trouve pas sur la page man.
celui qui est utilisé ici est un paramètre de 's' pour généraliser les substitutions sur une même ligne.
sans ce paramètre, seule la première occurrence serait substituée.

le fichier .bak c'est comme toute sauvegarde: au cas où...

Ok, je vois.

Merci beaucoup