linux - 我如何强制排序命令将 'ADNP-AS1' 放在 'ADNP2' 之后，而不是相反？

Question

我正在对一个包含基因表达数据的文本文件进行排序，我需要基因名称按特定顺序排列，以便进一步执行后续任务。我正在使用 .sh 脚本执行多项任务，包括排序。有些基因的名字几乎相同；一个很好的例子是序列“ADNP”、“ADNP2”、“ADNP-AS1”。我需要带连字符的基因名称在排序时排在最后，但现在它排在第二位。

我原以为添加 LC_CTYPE="en_us.UTF-8"和 LC_COLLATE="en_us.UTF-8"选项来排序会解决这个问题，因为这些是在不同本地机器上工作的语言环境选项.但是，我一直得到相同的结果。

我使用 echo -e "ADNP ADNP2 ADNP-AS1"| 做了一些实验使用各种选项进行排序。当我这样做时，我得到了正确的顺序。但是，在运行 shell 脚本时(如下所示)，我没有。我还将提供

的输出

这是 shell 脚本的摘录

tail -n +2 $tpm | LC_CTYPE=en_us.UTF-8 sort -k1,1 | cut -f 4  > "${wd}/${sample}_host.tmp"

这是我的区域设置

locale   
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=

Answer 1

这是 R 中可重现的最小示例:

> geneSamp <- c("ADNP", "ADNP-AS1", "ADNP2")
> sampExprVals <- c(10, 20, 0)
> geneDF <- data.frame(geneSamp, sampExprVals)
> correctGeneOrder <- data.frame(a = c("ADNP", "ADNP2", "ADNP-AS1"), b = c(10, 0, 20))
> geneDF <- geneDF[order(match(correctGeneOrder[, 1], geneDF[, 1])),]
> print(geneDF)
  geneSamp sampExprVals
1     ADNP           10
3    ADNP2            0
2 ADNP-AS1           20

不幸的是，我仍然不知道如何解决问题的根源，但这是一个相当简单的解决方法，很容易在我们已经运行的解析循环中实现。