如何在Bash中按染色体分组计算BED文件的基因平均长度？

针对你的需求，以下是改进后的Bash脚本，支持按染色体分组统计基因平均长度，同时可筛选特定染色体进行计算：

#!/bin/bash

input_bed="$1"
target_chrom="$2"  # 可选参数，传入特定染色体编号即可筛选

awk -v chrom="$target_chrom" 'BEGIN {
    FS="\t"
}
# 逻辑：若指定了目标染色体则只处理对应行，否则处理所有行
(chrom == "" || $1 == chrom) {
    gene_len = $3 - $2
    total_len[$1] += gene_len
    gene_count[$1] += 1
}
END {
    # 遍历每个染色体，计算并输出平均长度
    for (chr in total_len) {
        printf "%s\t%.2f\n", chr, total_len[chr] / gene_count[chr]
    }
}' "$input_bed"

关键改进说明 #

1. 分组统计逻辑：使用awk的关联数组total_len和gene_count，分别按染色体编号存储该染色体的基因总长度和基因数量，实现分组统计。
2. 特定染色体筛选：通过脚本的第二个参数target_chrom传入目标染色体编号（如chr1），即可只统计该染色体的基因平均长度；不传入该参数时，默认统计所有染色体。
3. 精度控制：用printf输出保留两位小数的平均长度，可根据需求修改%.2f调整精度（比如%.0f取整）。

使用示例 #

• 统计所有染色体的基因平均长度：

  ./your_script.sh your_data.bed
  

• 仅统计chr1染色体的基因平均长度：

  ./your_script.sh your_data.bed chr1
  

内容的提问来源于stack exchange，提问作者Rames