如何使用Bash筛选Gene B突变并统计排序突变类型出现次数

问题场景 #

现有一个包含基因突变信息的TSV文件，数据如下：

需要完成以下操作：

• 筛选出Gene B对应的突变行
• 统计独特的突变类型
• 统计每种突变类型的出现次数并排序

期望输出：

Deletion 2  
Missense 1  
Silent 1  

原命令问题分析 #

尝试的命令无法达成需求：

awk '$1 == B' filename | cut -f2 | sort | uniq | wc -l

问题点：

1. awk中字符串比较时，B需加双引号，否则会被识别为变量而非字符串常量
2. 最终用wc -l仅能输出独特突变类型的数量，无法得到每种类型的具体出现次数，不符合要求

正确命令及解释 #

使用以下命令可完成所有需求：

awk '$1=="B"{n[$2]++} END{ for(m in n)print m,n[m] }' filename | sort

命令拆解说明：

1. awk '$1=="B"{n[$2]++}'：遍历TSV文件，当第一列值为"B"时，以第二列的突变类型为键，在数组n中对应计数加1
2. END{ for(m in n)print m,n[m] }：文件遍历完成后，输出每个突变类型及其对应的出现次数
3. | sort：对输出结果按突变类型名称排序，与期望输出顺序匹配

内容的提问来源于stack exchange，提问作者Adrian Tepes