如何将基于目录的标识符动态映射到注释的输出文件中的特定列？

Question

我有一个两步的生物信息学管道，其中：

代码1
1. 生成输出文件（.marked.bam）并将其放入目录结构。 代码2
进程注释的文件（
2. annotated.hg38_multianno.txt）下游生成的文件，我需要在这些带注释的文件中使用相应的示例名称填充Tumor_Sample_Barcode

   列。
   

   目前，

   Tumor_Sample_Barcode
列未正确填充 - 最终以占位符值（例如

annovar_output

）而不是从

.marked.bam

文件名提取的实际示例名称。 目标：填充

Tumor_Sample_Barcode

---

文件中的

annotated.hg38_multianno.txt

列，其中包含从

.marked.bam

代码1

的正确示例名称的正确示例名称。 示例输入数据框架

Sample1,Polyp
Sample2,Normal
Sample3,Polyp

BAM files:
Sample1.marked.bam
Sample2.marked.bam
Sample3.marked.bam

sample名称是从 * .marked.bam中的 *中得出的。例如，sample1.marked.bam具有示例名称“ sample1”。 既定的输出：

对于每个注释。

---

指示输出：tumor_sample_barcode列应具有相应的示例名称（示例1）：

列a

列B

tumor_sample_barcode

细胞1 sample1细胞3细胞4 sample2代码1：生成.marked.bam文件代码2：处理注释文件

细胞2
	# Extract sample names from .marked.bam files for bam_file in "$OUTPUT_DIR"/*.marked.bam; do sample_name=$(basename "$bam_file" | sed 's/\.marked\.bam$//') echo "Processing BAM file for sample: $sample_name" # Processing and generating annotated files for each sample... done

# For each annotated file, extract the sample name from its parent directory
for ANNOTATED_FILE in $(find "$ANNOVAR_OUTPUT_DIR" -name "annotated.hg38_multianno.txt"); do
    SAMPLE_NAME=$(basename "$(dirname "$ANNOTATED_FILE")")

    # Populate "Tumor_Sample_Barcode" column
    awk -v OFS='\t' -v sample_name="$SAMPLE_NAME" '
        NR == 1 {
            # Add column if not present
            col = -1
            for (i = 1; i <= NF; i++) if ($i == "Tumor_Sample_Barcode") col = i
            if (col == -1) {
                print $0, "Tumor_Sample_Barcode"
                col = NF + 1
            } else {
                print $0
            }
        }
        NR > 1 {
            $col = sample_name
            print $0
        }
    ' "$ANNOTATED_FILE" > "${ANNOTATED_FILE}.temp"
    mv "${ANNOTATED_FILE}.temp" "$ANNOTATED_FILE"`
done

可能的原因：

您的尴尬脚本的前肢线是：

mv "${ANNOTATED_FILE}.temp" "$ANNOTATED_FILE"`

以aparsit，未封闭的反向引用。 我首先认为这是一个复制错误（请参阅我的编辑提案）， 但是，如果您运行的脚本

表，则包含此反向引用，

您可以做的第一件事是

破坏工具链的错误处理

Answer 1

因此，该链的一个

.sh

没有忽略的致命错误，

让您认为（未触及的，仍然包含占位符）注释。Hg38_multianno.txt是您尴尬运行的结果。

…一旦完成，当然，您只需删除那个未挂起的回音即可释放您的链条。