如何通过命令行工具显示两个 DNA 序列之间的差异

Question

我有以下问题：

我的数据表看起来像这样

AAAGGGTTT AAAGGG
AAAGGGCCC GGGCCC

我想像这样在第三行中显示两个序列之间的差异

AAAGGGTTT AAAGGG TTT
AAAGGGCCC GGGCCC AAA

我试过的是使用差异。我提取了文件（f1.txt 和 f2.txt）中的各个序列并对其进行了格式化，以便可以将它们与 diff 逐行比较，这造成了它仅在序列的开头相似时才起作用的问题（数据表的第 1 行） ）。

awk '{gsub(".","&\n");printf "%s",$0}' < f1.txt >f1a.txt
awk '{gsub(".","&\n");printf "%s",$0}' < f2.txt >f2a.txt
 
diff -y f1a.txt f2a.txt 

有没有人知道如何实现所需的输出？

Answer 1

这是你追求的吗？

awk '{$3=$1;sub($2,"",$3)}1' file

• $3=$1 将第一个字段复制到第三个字段并

• sub($2,"",$3)在第三个字段中查找第二个字段。如果匹配，则sub用第三个字段中的空字符串替换匹配的字符串。

• 将1在最后打印出结果。它相当于一个{print}语句，因此您可以将其重写为{$3=$1;sub($2,"",$3);print}.

结果：

AAAGGGTTT AAAGGG TTT
AAAGGGCCC GGGCCC AAA