刚好处理过类似的基因型拆分需求，给你两个靠谱的方案，R和Bash都有，按需选就行：

不管你用 tidyverse 还是基础R，都能快速搞定这个拆分：

用 tidyverse（推荐，代码更易读） #

1. 先加载工具包：

library(tidyverse)

2. 先把你给的示例数据导进来（实际用的时候替换成你的真实数据框就行）：

df <- structure(list(`c("12545=1", "12545=0")` = c("12545=1|1", "12545=0|0" ), 
                     `c("12994=0|0", "12994=0|1")` = c("12994=0|0", "12994=0|1" ), 
                     `c("15240=0|0", "15240=1|1")` = c("15240=0|0", "15240=1|1" )), 
                row.names = c(NA, -2L), class = c("tbl_df", "tbl", "data.frame" ))

3. 提取参考等位基因（|前的数值）：

ref_df <- df %>%
  mutate(across(everything(), ~ str_extract(., "(?<=\\=)\\d(?=\\|)") %>% as.integer()))

这里的正则表达式专门匹配=之后、|之前的单个数字，转成整数后就得到纯0/1的矩阵。

4. 提取替代等位基因（|后的数值）：

alt_df <- df %>%
  mutate(across(everything(), ~ str_extract(., "(?<=\\|)\\d") %>% as.integer()))

这个正则则是抓|之后的单个数字，同样转成整数类型。

用基础R（不用额外装包） #

如果不想加载tidyverse，用base R的lapply和正则替换也能实现：

# 拆分参考等位基因
ref_df_base <- data.frame(lapply(df, function(x) as.integer(sub(".*=(\\d)\\|.*", "\\1", x))))

# 拆分替代等位基因
alt_df_base <- data.frame(lapply(df, function(x) as.integer(sub(".*\\|(\\d)", "\\1", x))))

这里的sub函数会把每个单元格里的内容替换成我们需要的捕获组（括号里的数字），再转成整数。

如果你的数据是存成文本文件（比如TSV格式，制表符分隔），用命令行工具处理会更快，尤其是大数据量的时候：

提取参考等位基因 #

假设你的原始数据存在genotypes.txt里，运行下面的命令会生成只含参考等位基因的文件ref_genotypes.txt：

awk -F'\t' '{for(i=1;i<=NF;i++){sub(/.*=/,"",$i); sub(/\|.*/,"",$i);} print $0}' genotypes.txt > ref_genotypes.txt

解释：按制表符拆分每一列，先删掉=及之前的所有内容，再删掉|及之后的内容，最后输出处理后的行。

提取替代等位基因 #

同样，生成替代等位基因的文件alt_genotypes.txt：

awk -F'\t' '{for(i=1;i<=NF;i++){sub(/.*\|/,"",$i); sub(/.*=/,"",$i);} print $0}' genotypes.txt > alt_genotypes.txt

解释：先删掉|及之前的内容，再清理掉可能残留的=及前面的内容，只留下|后的数字。

如果你更习惯用sed，也可以用更简洁的正则：

# 提取参考等位基因
sed -E 's/.*=([01])\|.*/\1/g' genotypes.txt > ref_genotypes.txt

# 提取替代等位基因
sed -E 's/.*\|([01])/\1/g' genotypes.txt > alt_genotypes.txt

这个命令直接用捕获组提取0或1，替换整个单元格的内容，效率很高。

内容的提问来源于stack exchange，提问作者Darren