–desglosando el comando\u00a0<\/strong><\/span> escribir\u00a0los encabezados de las CDS de genes localizados en la hebra (-)<\/strong> cortar la cadena de caracteres en ‘location=complement(‘; Las coordenadas estaran en el indice 2 del array f (f[2])<\/strong> cortar las coordenadas en ‘..’;<\/strong> eliminar ‘([‘ y escribir las coordenadas en formato BED<\/strong> redireccionar la salida a un fichero<\/strong> cat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=[0-9]\/ ){ split($0,f,”location=”); split(f[2],f1,”\\\\.\\\\.”) ; gsub(“]”,””,f1[2]); print “CP000683\\t”f1[1]-1″\\t”f1[2]”\\t-\\t0\\t+” ; } }}’ > annotation_+.txt<\/p>\n <\/p>\n unir los dos ficheros<\/strong><\/p>\n cat annotation_+.txt annotation_-.txt > annotation.txt<\/p>\n <\/p>\n 4 Awk If Statement Examples ( if, if else, if else if, \ud83d\ude15 )<\/a><\/p><\/blockquote>\n![\"guigo_1996\"](\"https:\/\/bioinfo2.ugr.es\/secuencias\/wp-content\/uploads\/2014\/11\/guigo_1996.png\")
<\/a><\/p>\nProtocolo:<\/h2>\n
1) Descargar la secuencia del genoma completo de Rickettsia massiliae<\/a><\/em> que se usar\u00e1 para la predicci\u00f3n de genes. Cambiar el nombre de la secuencia a \u2018CP000683\u2019 y eliminar la descripci\u00f3n<\/strong><\/h3>\n
2) usar el ORFfinder <\/a>para detectar ORFs sobre una subsecuencia<\/h3>\n
3) Descargar las secuencias de las CDS de los genes anotados de Rickettsia massiliae<\/a><\/em>. Estos datos se usar\u00e1n para obtener la anotaci\u00f3n de la secuencia con la que tenemos que comparar la predicci\u00f3n.<\/strong><\/h3>\n
4) Predecir los genes mediante el GeneMark <\/a>y guardar el resultado en formato \u2018GFF<\/a>\u2019. Eliminar la \u00faltima l\u00ednea en blanco.<\/strong><\/h3>\n
5) Eliminar el encabezado (las primeras 9 l\u00edneas) del fichero en GFF (resultado<\/a>).<\/strong><\/h3>\n
6) Obtener la anotaci\u00f3n<\/strong><\/h3>\n
El fichero con las secuencias de las CDS contiene para cada secuencia una anotaci\u00f3n en formato fasta.
\n>lcl|CP000683.1_cds_RMA_0001_1 [gene=RMA_0001] [protein=hypothetical protein] [protein_id=ABV84350.1] [location=1..822]<\/h3>\nEl objetivo ser\u00e1 extraer las coordenadas dadas por el tag<\/em> location=1..822. Mediante una l\u00ednea de comando:<\/h3>\n
cat Rickettsia_cds.fa | awk ‘{ if($1 ~ \/>\/){ if($0 ~ \/location=complement\/){ split($0,f,”location=complement\\\\(“); split(f[2],f2,”\\\\.\\\\.”); gsub(“]”, “”,f2[2]); gsub(“\\\\)”, “”,f2[2]); print “CP000683\\t”f2[1]-1″\\t”f2[2]”\\t-\\t0\\t-“; } else{ split($0,f,”location=”); split(f[2],f2,”\\\\.\\\\.”); gsub(“]”, “”,f2[2]); print “CP000683\\t”f2[1]”\\t”f2[2]”\\t-\\t0\\t+”;} }} ‘ > rickettsia_cds_coord.txt<\/em><\/h3>\n
obtendremos una salida que consta de las coordenadas en formato bed<\/a><\/h3>\n
\nescribir los encabezados<\/strong>
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { print $0 } }’<\/p>\n
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=complement\/ ){ print $0 } }}’<\/p>\n
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=complement\/ ){ split($0,f,”location=complement\\\\(“); print f[2] } }}’<\/p>\n
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=complement\/ ){ split($0,f,”location=complement\\\\(“); split(f[2],f1,”\\\\.\\\\.”) ; print f1[1]” “f1[2] ;} }}’<\/p>\n
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=complement\/ ){ split($0,f,”location=complement\\\\(“); split(f[2],f1,”\\\\.\\\\.”) ; gsub(“\\\\)]”,””,f1[2]); print “CP000683\\t”f1[1]-1″\\t”f1[2]”\\t-\\t0\\t-” ;} }}’<\/p>\n
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=complement\/ ){ split($0,f,”location=complement\\\\(“); split(f[2],f1,”\\\\.\\\\.”) ; gsub(“\\\\)]”,””,f1[2]); print “CP000683\\t”f1[1]-1″\\t”f1[2]”\\t-\\t0\\t-” ;} }}’ > annotation_-.bed
\nahora para la hebra (+)<\/strong>
\ncat sequence-2.txt | awk ‘{ if($0 ~ \/>\/) { if($0 ~ \/location=[0-9]\/ ){ split($0,f,”location=”); print f[2] } }}’<\/p>\n\n