Question

在bash（4.3.46（1））中我有一些多行所谓的fasta记录，其中每条记录都是通过在线发起的＆gt;名称和以下行的DNA序列（[AGCTNacgtn]），这里有三条记录：

>chr1
AGCTACTTTT
AGGGNGGTNN
>chr2
TTGNACACCC
TGGGGGAGTA
>chr3
TGACGTGGGT
TCGGGTTTTT

如何使用bash grep获取第二条记录？在其他语言中，可以使用：

>chr2\n([AGCTNagctn]*\n)*

在Bash中，我试图使用here（以及其他SO）中的想法。这不起作用：

grep -zo '>chr2[AGCTNacgtn]+' file

结果应该是：

>chr2
TTGNACACCC
TGGGGGAGTA

解

在我的系统上，这是解决方案（下面几乎是Cyrus，即管道到第二个grep .）：

grep -Pzo '>chr1\n[AGCTNacgtn\n]+' file

Answer 1

使用GNU grep：

grep -Pzo '>chr2\n[AGCTNacgtn\n]+' file | grep .

输出：

>chr2
TTGNACACCC
TGGGGGAGTA

Answer 2

您可以将awk与自定义RS：

一起使用

awk -v n=2 -v RS='(^|\n)>' 'NR==n+1{print ">" $0}' file    
>chr2
TTGNACACCC
TGGGGGAGTA

Answer 3

您应该安装FAST perl软件包。它包含许多可直接从shell中使用的实用程序，用于处理fasta文件，例如fashead或fastail（以及much more）

安装后很简单：

fashead -n2 fastafile | fastail -n1

输出

>chr2
TTGNA.....

甚至更简单

fasgrep chr2 fastafile

具有相同的输出...

Answer 4

试试这个 -

grep 'chr2' -A 2 file
>chr2
TTGNACACCC
TGGGGGAGTA

Answer 5

处理多行记录的最佳工具是awk。

在您的情况下：

awk 'BEGIN{RS=">"} NR==2 {print RS$0}' input.txt

input.txt

>chr1
AGCTACTTTT
AGGGNGGTNN
>chr2
TTGNACACCC
TGGGGGAGTA
>chr3
TGACGTGGGT
TCGGGTTTTT

说明：

BEGIN{RS=">"}最初将记录分隔符设置为">"

NR==2过滤器仅用于记录＃2

{print RS$0}打印记录＃2，但缺少记录分隔符

Answer 6

创建了sedgrep混合版本以通用方式支持... 您可以使用以下sedgrep shell命令 https://github.com/iamdvr/sedgrep-shell-util

直接链接：https://github.com/iamdvr/sedgrep-shell-util/blob/main/sedgrep

对于您的情况，直接命令是...

cat <FILE_NAME> | sed -nr ':main; /^>.*chr2/ { :loop; p; n; /^>/ b main; b loop} '

sedgrep用法如下...

Default NEW_LINE_PATTERN is ^\[
Usage : 
    cat {INPUT_FILE_NAME}  | sedgrep  {NEW_LINE_PATTERN} {THREAD_OR_SEARCH_PATTERN} 
    cat {INPUT_FILE_NAME}  | sedgrep  {THREAD_OR_SEARCH_PATTERN} 
    sedgrep {NEW_LINE_PATTERN} {THREAD_OR_SEARCH_PATTERN} {INPUT_FILE_NAME}
    sedgrep {THREAD_OR_SEARCH_PATTERN} {INPUT_FILE_NAME}
Example : 
    cat sampleInput.log | sedgrep 2016-05-23 DB_CONN
    cat sampleInput.log | sedgrep DB_CONN
    sedgrep 2016-05-23 DB_CONN sampleInput.log
    sedgrep DB_CONN sampleInput.log

grep（bash）多行模式

6 个答案:

input.txt

说明：