Comandos de procesamiento de texto y búsqueda.

sort Ordena las líneas de un archivo.

Algunas opciones:

• -k columna por la cual se quiere ordenar
• -u elimina líneas repetidas
• -r ordenamiento descendente
• -n ordena numéricamente

Ejemplos:

• Ordenar por nombre del gene: $ sort -k3 ECK12.gene > l
• Ordenar por posición del gene en el cromosoma: $ sort -k4 -n l | more
• Obtener la lista de TFs sin repeticiones: $ cut -f1 NetWorkSet.txt | sort -u | more

cut Extrae campos seleccionados de cada línea de un archivo.

Algunas opciones:

• -c especifica los caracteres a cortar de la línea
• -f especifica los campos a cortar de la línea (-f1; -f1,4,7; -f1-3,8; -f3-; -f-3)
• -d define el caracter por el que se delimitan los campos, tabulador por defecto

Ejemplos:

• Extraer el bnumber y el nombre del gene: $ cut -f2,3 ECK12.gene
• Extraer el nombre del gene y su categoria funcional: $ cut -f3,8 ECK12.gene
• Extraer el codon de inicio de los genes: $ cut -f3 genes_db.GeneSeq.txt | cut -c1-3 | more
• Extraer el codon de término de los genes: $ cut -f3 genes_db.GeneSeq.txt | perl -ne 'if ($_ =~ /(...)$/) { print "$1\n"; }' - | more

uniq Reporta o filtra líneas consecutivas repetidas.

Algunas opciones:

• -c precede a cada línea el número de veces que la línea se repite.
• -d elimina las líneas que no estan repetidas
• -u elimina las líneas repetidas

Ejemplos:

• Obtener la lista de TFs: $ cut -f1 NetWorkSet.txt | sort | uniq | more
• total de genes en el strand forward (5-3´) y reverse: $cut -f6 ECK12.gene | sort | uniq -c

grep Busca un patrón en un archivo e imprime las lineas donde el patrón fue encontrado.

Algunas opciones:

• -i insensible a mayúsculas o minúsculas
• -w palabra completa

Ejemplos:

• Obtener las genes regulados por LexA: $ grep -w LexA NetWorkSet.txt | cut -f4 | sort -u
• Obtener los reguladores que regulan a sodA : $ grep -w sodA NetWorkSet.txt | cut -f1 | sort -u

sed Es un editor de textos, Veamos como ejemplo como substituir los simbolos + - +- por activador, represor y dual: $ sed 's/+-/dual/; s/+/activator/; s/\-/repressor/;' NetWorkSet.txt | more

perl Practical Extraction and Report Language

Algunas opciones en linea de comando:

• -n asume un ciclo 'while (<>) ... ' desde el inicio del programa
• -p asume un ciclo como -n pero imprime tambien la línea
• -e lineas del programa
• -a autosplit, $_ es almacenado en @F

Veamos algunos ejemplos que manipulan Feature maps en este formato:

• map name (eg: gene name),
• feature type (site, ORF),
• identifier(ex: GATA_box, Abf1_site) ,
• strand (D for Direct, R for Reverse),
• start position (may be negative) ,
• end position (may be negative)

• Poder pintar los genes usando la herramienta feature-map, crear el formato requerido usando el archivo ECK12.gene

  $ perl -a -ne 's/reverse/R/; s/forward/F/; print "$F[2]\tORF\t$F[1]\t$F[5]\t$F[3]\t$F[4]\n";' ECK12.gene >Escherichia_coli_K12.genes
  

• Genes cuya posicion se encuentre en el intervalo 2000000 - 3000000.

  $ perl -a -ne ' if(($F[3]>=2000000) && ($F[3]>=3000000)) { print; } ' ECK12.gene | wc
  

• Obtener los operones de los genes regulados por LexA

  $ grep -w LexA NetWorkSet.txt | cut -f4 | sort -u | infer-operon -org Escherichia_coli_K12 -return operon