script bash - modifications d'attributs

Version imprimable

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:

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:

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 :aie:
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

09/01/2012, 16h14
N_BaH

Bonjour,

ce serait un peu lourd pour du bash.

tu peux utiliser sed :

Code:

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

dans ton cas

Code:

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.
09/01/2012, 17h28
jane40

Merci beaucoup pour cette réponse :ccool: 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 ?
09/01/2012, 18h28
N_BaH

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

Code:

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.
10/01/2012, 12h45
jane40

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

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

Citation:

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 ?
10/01/2012, 13h28
N_BaH

Citation:

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...
10/01/2012, 14h40
jane40

Citation:

Envoyé par N_BaH

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 :aie:

Citation:

Envoyé par N_BaH

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