Question

我在Mac上使用bash来运行一些grep，我使用安装了macports的GNU grep。无论如何，我试图用grep查询fasta文件（DNA序列 - 在一行上的序列ID与下一行的DNA序列），根据要查询的字符串文件列表输出文件的子集。目前我有一个列表，它是在换行符和fasta文件上分隔的单个单词，并使用命令

grep -A1 -f query_list.txt initial_file.fasta > query_subset.fasta

这几乎产生输出后的输出，但是在输出文件中，在每个与查询文件中的字符串匹配的序列集之后，换行符上有一个双短划线。不知道为什么会发生这种情况。我尝试用sed删除它们

sed 's/\n--\n/\n' query_subset.fasta > final.fasta

但这不起作用。如果我在textwrangler中使用相同的查找和替换它可以正常工作。

无论如何，作为一个例子，文件看起来像

query_list.txt

SpeciesA
SpeciesC

initial_file.fasta

>SpeciesA
ACGTGATCGATCGAT
>SpeciesB
ACGGGTCTTAGTATCG
>SpeciesC
ACGTACGATCTTCAGT
>SpeciesD
ACGTTCAGTCAGTTCAG

query_subset.fasta

>SpeciesA
ACGTGATCGATCGAT
--
>SpeciesC
ACGTACGATCTTCAGT
--

我需要通过命令行完成此操作，因为我试图将其实现到脚本中以自动执行一些示例处理。

非常感谢任何输入！干杯，三

Answer 1

grep -A1 -f query_list.txt initial_file.fasta | sed '/^--/d' > final.fasta

或

grep -A1 -f query_list.txt initial_file.fasta | grep -v '^--' > final.fasta

Answer 2

根据手册页：

-A NUM， - after-context = NUM 匹配行后打印NUM行尾随上下文。放置一行包含 - 在连续的组之间匹配。

我尝试了以下内容并且有效：

cat query_list.txt | xargs -I {} grep -A1 {} initial_file.txt  > query_subset.fasta

我不太清楚为什么输入模式来自std in时会有不同的处理方式，所以最好只删除有问题的行：

grep -A1 -f query_list.txt initial_file.txt | grep -v "\-\-" >  query_subset.fasta

Grep输出增加了额外的破折号和换行符

2 个答案: