这里统计plantcare网站对群体启动子分析的结果，
查看结果：
所有的下载的结果
因为解压后的文件不含自己样本的名称，所以这里要得到样本编号和id的对应关系：
解压
find . -name "*.tar.gz" -exec tar -zxvf {} \
-
find . -name "*.tar.gz"：使用find命令在当前目录及其子目录中查找所有以.tar.gz结尾的文件。 -
-exec：find命令的选项，用于执行指定的命令。 -
tar -zxvf {} \;：将找到的每个.tar.gz文件作为参数传递给tar命令进行解压缩。
找sample名字和plantcare的对应关系
ls *.gz|sed s'/PlantCARE_//g'|sed s'/_plantCARE.tar.gz//g' >id
对应关系
再和群体对应:
三者关系
批量解压
ls *.gz >plc
cat plc|while read id
do
tar zxvf $id
done
解压后
写个重命名脚本
怕误删所以用cp，在excel表格中用“&”符号就行
提取结果
1、plant growth and development
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'A-box' >plant_growth/A-box
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'AE-box' >plant_growth/AE-box
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'Box 4' >plant_growth/Box-4
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'CAT' >plant_growth/CAT-box
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'circadian' >plant_growth/Circadian
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'GA' >plant_growth/GA-motif
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'GATA' >plant_growth/GATA-motif
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i -w 'G' >plant_growth/G-box
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i 'GCN4' >plant_growth/GCN4-motif
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i 'GT1' >plant_growth/GT1-motif
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i 'I-box' >plant_growth/I-box
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i 'RY' >plant_growth/RY-element
grep -v Unnamed *_*|grep -v short_function|cut -f 1,2|grep -i 'MRE' >plant_growth/MRE
排序
cut -f 1 A-box |sort|uniq -c | awk '{print$2"\t"$1}' > A-box.xls
cut -f 1 AE-box |sort|uniq -c | awk '{print$2"\t"$1}' >AE-box.xls
cut -f 1 Box-4 |sort|uniq -c | awk '{print$2"\t"$1}' >Box-4.xls
cut -f 1 CAT-box |sort|uniq -c | awk '{print$2"\t"$1}' >CAT-box.xls
cut -f 1 Circadian |sort|uniq -c | awk '{print$2"\t"$1}' >Circadian.xls
cut -f 1 GA-motif |sort|uniq -c | awk '{print$2"\t"$1}' >GA-motif.xls
cut -f 1 GATA-motif |sort|uniq -c | awk '{print$2"\t"$1}' >GATA-motif.xls
cut -f 1 G-box |sort|uniq -c | awk '{print$2"\t"$1}' >G-box.xls
cut -f 1 GCN4-motif |sort|uniq -c | awk '{print$2"\t"$1}' >GCN4-motif.xls
cut -f 1 GT1-motif |sort|uniq -c | awk '{print$2"\t"$1}' >GT1-motif.xls
cut -f 1 I-box |sort|uniq -c | awk '{print$2"\t"$1}' >I-box.xls
cut -f 1 MRE |sort|uniq -c | awk '{print$2"\t"$1}' >MRE.xls
cut -f 1 RY-element |sort|uniq -c | awk '{print$2"\t"$1}' >RY-element.xls
2、Abiotic and biotic stresses
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'ARE' >biotic_stresses/ARE
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep 'DRE core' >biotic_stresses/DRE-core
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'LTR' >biotic_stresses/LTR
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'MBS' >biotic_stresses/MBS
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'MYB' |grep -v site>biotic_stresses/MYB
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'MYC' >biotic_stresses/MYC
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'STRE' >biotic_stresses/STRE
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'TC' >biotic_stresses/TC-rich-repeat
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'W' >biotic_stresses/W-box
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'WUN' >biotic_stresses/WUN-motif
排序
cut -f 1 ARE |sort|uniq -c | awk '{print$2"\t"$1}' >ARE.xls
cut -f 1 DRE-core |sort|uniq -c | awk '{print$2"\t"$1}' >DRE-core.xls
cut -f 1 LTR |sort|uniq -c | awk '{print$2"\t"$1}' >LTR.xls
cut -f 1 MBS |sort|uniq -c | awk '{print$2"\t"$1}' >MBS.xls
cut -f 1 MYB |sort|uniq -c | awk '{print$2"\t"$1}' >MYB.xls
cut -f 1 MYC |sort|uniq -c | awk '{print$2"\t"$1}' >MYC.xls
cut -f 1 STRE |sort|uniq -c | awk '{print$2"\t"$1}' >STRE.xls
cut -f 1 TC-rich-repeat |sort|uniq -c | awk '{print$2"\t"$1}' >TC-rich-repeat.xls
cut -f 1 W-box |sort|uniq -c | awk '{print$2"\t"$1}' >W-box.xls
cut -f 1 WUN-motif |sort|uniq -c | awk {'print$2"\t"$1}' >WUN-motif.xls
3、Phytohormone responsive
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'ABRE' >Phytohormone_responsive/ABRE
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'as-1' >Phytohormone_responsive/as-1
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'CGTCA' >Phytohormone_responsive/CGTCA-motif
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'CARE' >Phytohormone_responsive/CARE
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'ERE' >Phytohormone_responsive/ERE
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'P' >Phytohormone_responsive/P-box
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'TATC' >Phytohormone_responsive/TATC-box
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'TCA-element' >Phytohormone_responsive/TCA-element
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'TGACG' >Phytohormone_responsive/TGACG-motif
grep -v Unnamed *|grep -v short_function|cut -f 1,2|grep -i -w 'TGA-element' >Phytohormone_responsive/TGA-element-motif
排序
cut -f 1 ABRE |sort |uniq -c |awk '{print$2"\t"$1}'>ABRE.xls
cut -f 1 as-1 |sort |uniq -c |awk '{print$2"\t"$1}'>as-1.xls
cut -f 1 CARE |sort |uniq -c |awk '{print$2"\t"$1}'>CARE.xls
cut -f 1 CGTCA-motif |sort |uniq -c |awk '{print$2"\t"$1}'>CGTCA-motif.xls
cut -f 1 ERE |sort |uniq -c |awk '{print$2"\t"$1}'>ERE.xls
cut -f 1 P-box |sort |uniq -c |awk '{print$2"\t"$1}'>P-box.xls
cut -f 1 TATC-box |sort |uniq -c |awk '{print$2"\t"$1}'>TATC-box.xls
cut -f 1 TCA-element |sort |uniq -c |awk '{print$2"\t"$1}'>TCA-element.xls
cut -f 1 TGACG-motif |sort |uniq -c |awk '{print$2"\t"$1}'>TGACG-motif.xls
cut -f 1 TGA-element-motif |sort |uniq -c |awk '{print$2"\t"$1}'>TGA-element-motif.xls
将所有的表格放到一个文件夹下合并
#!/bin/bash
# 获取当前文件夹下的所有xls表格文件
xls_files=$(ls *.xls)
# 创建输出文件，命名为"output.xls"
output_file="output.xls"
touch $output_file
# 提取所有表格的表格名字作为启动子类型
start_types=""
for file in $xls_files; do
start_type=${file%.xls}
start_types="$start_types\t$start_type"
done
# 将启动子类型添加到输出文件的第一行
echo -e "基因ID$start_types" >> $output_file
# 提取所有的基因ID
gene_ids=$(grep -v "基因ID" id | awk '{print $1}' | sort | uniq)
# 遍历每个基因ID，为每个基因ID添加对应的启动子数量
for gene_id in $gene_ids; do
gene_data=""
# 遍历每个表格文件，查找对应基因ID的启动子数量
for file in $xls_files; do
start_type=${file%.xls}
# 查找当前基因ID在当前表格文件中对应的启动子数量
count=$(grep "^$gene_id" $file | awk '{print $2}')
# 如果当前基因ID不存在对应的启动子数量，则设置为0
if [ -z "$count" ]; then
count="0"
fi
# 将当前基因ID的启动子数量添加到字符串中
gene_data="$gene_data\t$count"
done
# 输出整合好的数据到输出文件
echo -e "$gene_id$gene_data" >> $output_file
done
echo "整合完成！结果保存在$output_file文件中。"
合并后的结果展示