在许多文件中保留共享条目

Question

我有数百个文件，每个文件都有不同数量的条目（> xxxx），并且希望单独保留所有文件之间的共享条目。我不确定什么是最好的方法，也许是Perl！我使用了排序，bash的uniq，但我没有得到正确的答案。ID的格式以>>开头，并在所有文件中遵循4个字符。

1.fa

>abcd
CTGAATGCC

2.fa

>abcd
AAATGCGCG
>efgh
CGTAC

3.fa

>abcd
ATGCAATA
>efgh
TAACGTAA
>ijkl
TGCAA

最终结果，此示例的结果是：

1.fa

>abcd
CTGAATGCC

2.fa

>abcd
AAATGCGCG

3.fa

>abcd
ATGCAATA

Answer 1

此Perl程序将按照您的要求进行。它使用perl的内置编辑 功能，并将原始文件重命名为 1.fa.bak等。只要序列始终立即在一行上，数据中的空白行就不会有问题遵循ID

use strict;
use warnings 'all';
my @files = glob '*.fa';
printf "Processing %d file%sn", scalar @files, @files == 1 ? "" : "s";
exit if @files < 2;
my %ids;
{
    local @ARGV = @files;
    while ( <> ) {
        ++$ids{$1} if /^>(S+)/;
    }
}
# remove keys that aren't in all files
delete @ids{ grep { $ids{$_} < @files } keys %ids };
my $n = keys %ids;
printf "%d ID%s common to all filesn", $n, $n == 1 ? '' : "s";
exit unless $n;
{
    local @ARGV = @files;
    local $^I = '.bak';
    while ( <> ) {
        next unless /^>(S+)/ and $ids{$1};
        print;
        print scalar <>;
    }
}

Answer 2

这是Perl解决方案，可能会对您有所帮助：

use feature qw(say);
use strict;
use warnings;
my $file_dir = 'files';
chdir $file_dir;
my @files = <*.fa>;
my $num_files = scalar @files;
my %ids;
for my $file (@files) {
    open ( my $fh, '<', $file) or die "Could not open file '$file': $!";
    while (my $id = <$fh>) {
        chomp $id;
        chomp (my $sequence = <$fh>);
        $ids{$id}++;
    }
    close $fh;
}
for my $file (@files) {
    open ( my $fh, '<', $file) or die "Could not open file '$file': $!";
    my $new_name = $file . '.new';
    open ( my $fh_write, '>', $new_name ) or die "Could not open file '$new_name': $!";
    while (my $id = <$fh>) {
        chomp $id;
        chomp (my $sequence = <$fh>);
        if ( $ids{$id} == $num_files ) {
            say $fh_write $id;
            say $fh_write $sequence;
        }
    }
    close $fh_write;
    close $fh;
}

假设所有.fa文件都位于名为$file_dir的目录中，并且将新序列写入同一目录中的新文件。新文件名获取.new扩展名。