在Linux中使用多个输入文件对多个文件运行算法

问题描述

我正在运行以下代码（来自https://github.com/weizhouUMICH/SAIGE/wiki/Genetic-association-tests-using-SAIGE#flowchart）：

Rscript step2_SPAtests.R \
        --vcfFile=./input/genotype_10markers.vcf.gz \
        --vcfFileIndex=./input/genotype_10markers.vcf.gz.tbi \
        --vcfField=GT \
        --chrom=1 \
    --minMAF=0 \
        --minMAC=0.5 \
        --maxMAFforGroupTest=0.01       \
        --sampleFile=./input/samplelist.txt \
        --GMMATmodelFile=./output/example_quantitative.rda \
        --varianceRatioFile=./output/example_quantitative_cate.varianceRatio.txt \
        --SAIGEOutputFile=./output/example_quantitative.SAIGE.gene.txt \
        --numLinesOutput=1 \
        --groupFile=./input/groupFile_geneBasedtest_simulation.txt    \
        --sparseSigmaFile=./output/example_quantitative_cate.varianceRatio.txt_relatednessCutoff_0.125.sparseSigma.mtx       \
        --IsSingleVarinGroupTest=TRUE

我要在22个染色体文件上运行它，因此vcfFile，vcfFileindex，chrom，SAIGEOUtputFile和groupFile输入将不同，例如 chromosome1.vcf.gz/chromosome1.vcf.gz.tbi/chrom=1/chromsome1_output.txt/chromosome1_groupfile.txt 将是第一个输入，chromosome22.vcf.gz/chromosome22.vcf.gz.tbi/chrom=22/chromsome22_output.txt/chromosome22_groupfile.txt将是最后一个输入

这些文件很大，需要很长时间才能运行，所以我真的不想在很多时间之前就弄错了。如果我按染色体数字顺序提供文件列表作为输入和所需输出（SAIGEoutput），算法将以这种方式运行该文件，即每个输入将同步通过1..22吗？

#all files are in a chromosome order from 001 to 022    
vcfFiles = $(<vcflist.txt)
vcFileIndex = $(<vcfindex.txt)
chrom=${1..22}
SAIGEoutputFile=$(<outputlist.txt)
Groupfile=$(<groupfile_list.txt)

Rscript step2_SPAtests.R \
            --vcfFile=${vcfFiles} \
            --vcfFileIndex=${vcFileIndex}\
            --vcfField=GT \
            --chrom=${chrom} \
        --minMAF=0 \
            --minMAC=0.5 \
            --maxMAFforGroupTest=0.01       \
            --sampleFile=./input/samplelist.txt \
            --GMMATmodelFile=./output/example_quantitative.rda \
            --varianceRatioFile=./output/example_quantitative_cate.varianceRatio.txt \
            --SAIGEOutputFile=${SAIGEoutputFile} \
            --numLinesOutput=1 \
            --groupFile=${Groupfile}    \
            --sparseSigmaFile=./output/example_quantitative_cate.varianceRatio.txt_relatednessCutoff_0.125.sparseSigma.mtx       \
            --IsSingleVarinGroupTest=TRUE

非常感谢

解决方法

为此您需要一个循环。看看这个：

for i in {1..22}; {
    echo $i
}

输出将是：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

可以使用您的命令完成相同的操作

for i in {1..22}; {
    Rscript step2_SPAtests.R \
    --vcfFile=chromosome$i.vcf.gz \
    --vcfFileIndex=chromosome$i.vcf.gz.tbi \
    --vcfField=GT \
    --chrom=$i \
    --minMAF=0 \
    --minMAC=0.5 \
    --maxMAFforGroupTest=0.01       \
    --sampleFile=./input/samplelist.txt \
    --GMMATmodelFile=./output/example_quantitative.rda \
    --varianceRatioFile=./output/example_quantitative_cate.varianceRatio.txt \
    --SAIGEOutputFile=chromsome${i}_output.txt \
    --numLinesOutput=1 \
    --groupFile=chromosome${i}_groupfile.tx    \
    --sparseSigmaFile=./output/example_quantitative_cate.varianceRatio.txt_relatednessCutoff_0.125.sparseSigma.mtx       \
    --IsSingleVarinGroupTest=TRUE
}

请注意，$i中包含{}的某个地方，这是因为$i_-有效的变量名，但我们的var是$i。