当字段$2为rev时对$4、$5字段执行reverse与tr转换的技术需求

输入文本 #

m64071_220512_054244/12584899/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/128321000/ccs rev pet047-10055 ACGTGCGACCTTGTGA TTGAGGGTTCAAACGTGCGACCTTGTGA
m64071_220512_054244/132186699/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA

需求 #

仅当第2个字段值为rev时，对第4、5字段执行反转字符串+碱基互补转换（ATGC ↔ TACG）；fwd行保持原样。

预期输出 #

m64071_220512_054244/12584899/ccs rev pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/128321000/ccs rev pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/132186699/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA
m64071_220512_054244/134874748/ccs fwd pet047-10055 TCACAAGGTCGCACGT TCACAAGGTCGCACGTTTGAACCCTCAA

原尝试的问题 #

Perl命令问题 #

原命令逻辑和语法都有问题：

perl -lpe 'if(/rev/) {$rev=/rev/;next}; if ($rev) {$F[4,5]=~tr/ATGC/TACG/; $F[4,5]=reverse $F[4,5]; print "@F"}' file 

• 未加-a参数，无法自动拆分字段到@F数组，数组为空
• 匹配到rev后直接next跳过处理，后续逻辑根本不会执行
• 碱基转换和反转的顺序逻辑混乱，且未针对目标字段正确操作

Awk命令问题 #

原命令存在变量错误和效率问题：

awk '{
            if($2==rev)
        {
            cmd1="echo \047" $4 "\047 | rev | tr \047ATGC\047 \047TACG\047" 
            cmd2="echo \047" $5 "\047 | rev | tr \047ATGC\047 \047TACG\047"
            newVar1=((cmd1 | getline line) > 0 ? line : "failed") 
            newVar2=((cmd2 | getline line) > 0 ? line : "failed")
            close(cmd)
            print $1, $2, $3, newVar1, newVar2
        }
        else {print}
}' file

• $2==rev中rev是未定义变量，应该写$2=="rev"
• close(cmd)中的cmd未定义，需分别关闭cmd1和cmd2
• 调用外部rev/tr命令效率低，Awk本身可实现对应功能

正确解决方案 #

方案1：Perl命令 #

利用Perl内置的字段拆分和字符串处理能力，无需外部命令：

perl -alne '
    if ($F[1] eq "rev") {
        # 处理第4、5字段（数组索引3、4）
        for my $i (3,4) {
            $F[$i] = reverse $F[$i];
            $F[$i] =~ tr/ATGC/TACG/;
        }
    }
    print join(" ", @F);
' file

• -a参数自动按空格拆分字段到@F数组（索引从0开始）
• 直接在Perl内完成反转+互补，效率更高
• 逻辑清晰，严格匹配rev字段后处理目标内容

方案2：Awk命令 #

用Awk自定义函数实现反转和互补，避免外部命令开销：

# 定义碱基互补转换函数
function complement(s) {
    gsub(/A/, "X", s); gsub(/T/, "A", s); gsub(/X/, "T", s);
    gsub(/G/, "Y", s); gsub(/C/, "G", s); gsub(/Y/, "C", s);
    return s;
}
# 定义字符串反转函数
function reverse(s) {
    res = "";
    for (i = length(s); i > 0; i--) {
        res = res substr(s, i, 1);
    }
    return res;
}
{
    if ($2 == "rev") {
        $4 = complement(reverse($4));
        $5 = complement(reverse($5));
    }
    print $0;
}
' file

• 纯Awk内置逻辑实现，无需依赖外部工具
• 直接修改对应字段后打印整行，输出格式和输入一致

内容的提问来源于stack exchange，提问作者pedro