text manipulation

[trotos]

χρόνια και σαμάνια, και καλώς σας ξαναβρήκα.

έχω το αρχείο με τις ακόλουθες tab διαχωρισμένες αλληλουχίες:

chr1 0 600 15 Repetitive/CNV 0 . 0 600 245,245,245
chr1 1000 1600 8 Insulator 0 . 1000 1600 10,190,254
chr1 100004000 100005200 2 Weak Promoter 0 . 100004000 100005200 255,105,105
chr1 100005200 100016800 13 Heterochrom/lo 0 . 100005200 100016800 245,245,245
chr1 10001600 10014800 13 Heterochrom/lo 0 . 10001600 10014800 245,245,245
chr1 100016800 100022800 12 Repressed 0 . 100016800 100022800 127,127,127
chr1 100022800 100026800 13 Heterochrom/lo 0 . 100022800 100026800 245,245,245
chr1 100026800 100028600 12 Repressed 0 . 100026800 100028600 127,127,127
chr1 100028600 100037000 13 Heterochrom/lo 0 . 100028600 100037000 245,245,245
chr1 100037000 100046600 12 Repressed 0 . 100037000 100046600 127,127,127
chr1 100046600 100046800 6 Weak Enhancer 0 . 100046600 100046800 255,252,4
chr1 100046800 100047000 2 Weak Promoter 0 . 100046800 100047000 255,105,105
chr1 100047000 100047200 4 Strong Enhancer 0 . 100047000 100047200 250,202,0
chr1 100047200 100047400 6 Weak Enhancer 0 . 100047200 100047400 255,252,4
chr1 100047400 100054200 13 Heterochrom/lo 0 . 100047400 100054200 245,245,245
chr1 100054200 100055000 12 Repressed 0 . 100054200 100055000 127,127,127
chr1 100055000 100087400 13 Heterochrom/lo 0 . 100055000 100087400 245,245,245
chr1 100087400 100087600 6 Weak Enhancer 0 . 100087400 100087600 255,252,4

με ενδιαφέρει η τέταρτη στήλη.
Θα ήθελα αρχικά να μπορέσω να βγάλω τον αριθμό κενό πχ

6 Weak Enhancer --> Weak Enhancer

μετά να μπορέσω να μετρήσω πόσα ίδια στοιχεία υπάρχουν, πχ
πόσα Weak Enhancer υπάρχουν στο αρχείο στην 4η στήλη
και να γίνει εξαγωγή ενός αρχείου όπως:
Weak Enhancer 13
Repressed 200
.
.
.

έχει κάποιος καμιά ιδέα;

Ευχαριστώ.

Υ.Γ. ακόμα και αν μπορεί να γίνει από spreadsheat δεν έχω κανένα πρόβλημα.

[axxis]

Έχεις κάποια προτίμηση/περιορισμό σε γλώσσα;
Περιβάλλον windows;

[trotos]

Περιβάλλον linux... και μόνο...
Γλώσσα προγραμματισμού, ότι απλότερο υπάρχει που μπορεί να κάνει σωστά τη δουλειά.
ΝΑ πώ ότι δοκίμασα το

sort 'file.bed' | awk '{print $4}' | uniq -c -D -i

ή και χωρίς το awk

sort 'file.bed' | awk '{print $4}' | uniq -c -D -i

και τα αποτελέσματα δεν είναι τα δέοντα... πρέπει να βγουν και οι αριθμοί εμπρός.

[axxis]

Σε εμένα έπαιξε έτσι:

sort 'file.bed' | awk '{print $5}' | sort | uniq -c