从空格分隔的文件中剪切特定列

Question

我使用 FASTA 文件运行 hmmscan 分析，请求带有 --tblout 选项的表格输出格式，该选项故意以空格分隔（而不是制表符分隔）并对齐到对齐的列中。

文件看起来像这样（这只是一个格式示例）

targetname accession queryname    accession  e-value score bias
x_x_x      PFyyyy.y  ContigXXX_0  -          x.xe-xx yy.y  x.x
x          PFyyyy.yy COntigXXX_1  -          xe-x    yy.y  x.x
x_x        PFyyyy.y  COntigXXX_2  -          xe-xx    y.y  x.x
x_x_x      PFyyyy.yy COntigXXX_3  -          x.xe-x  yy.y  x.x
.
..

其中目标名称例如：Methyltransf 或 Dimer_tnp_hAT 或 Nucleotide_trans

其中加入例如：PF13847.1 或 PF03407.11 或 PF01958.13；

其中查询名称例如：Contig244_1 或 Contig44245_3 或 Contig12345_6

第二个加入栏是：-

其中 e.value 例如：4.0e-10 或 3.5e-15 等。

分数和偏差是这种格式的数字：xx.x

我想做的是剪切所有 ContigXXX_X 对蛋白质结构域有重大影响的查询名称列。

在此之后，我将能够对它们进行排序并仅保留每个 Contig 的第一次出现，我可以将文件与 BlastP 和 BlastX 的结果进行比较（我已经能够获得我的 Contig 列表命中 nr 数据库）

所以我的问题是：如何剪切所有 Contig 所在的列？ 我一直在尝试使用 grep、sed、cut 命令，但我还没有找到合适的命令。

我是 Unix 语言的新手，我还在学习，所以每一个建议都会非常感激。

如果我的问题不清楚，请告诉我，我可以修改它！

Answer 1

从表面上看，如果你有 GNU cut，你可以使用：

cut -i -f 3 tblout-file

-i 选项意味着一个或一个空格将作为字段分隔符（而没有它，每个空格都是一个字段分隔符）。 cut 的非 GNU 版本通常不支持 -i。 （您可以通过运行 cut --version 来检查它是否是 GNU cut；如果您获得有意义的版本号，则它（可能）是 GNU，如果您收到无效的选项消息，则不是。）

这不适合你吗？显然，您将创建的文件的名称替换为 tblout-file。

如果有问题（例如没有 GNU cut），那么请考虑 awk：

awk '{print $3}' tblout-file

这两个也包括输出中的第一行；删除第一行有多种可能的方法。

cut -i -f 3 tblout-file | sed 1d
awk 'NR>1 { print $3 }' tblout-file

Answer 2

awk 'NR!=1{print $3}' your_file

或

perl -F -lane 'if($.!=1){print $F[2]}' your_file