linuxコマンドを使用してシーケンシングデータを抽出する方法

Question

特定の行とそれに続くシーケンシングデータを抽出したいと思います。

次のようにecoli.ffnファイルがあります：

私は何をしたいのか

$head index.txt 
g000011 
g000012 

を次のように

$head ecoli.ffn 
>ecoli16:g027092:GCF_000460315:gi|545267691|ref|NZ_KE701669.1|:551259-572036 
ATGAGCCTGATTATTGATGTTATTTCGCGT 
AAAACATCCGTCAAACAAACGCTGATTAAT 
>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
CTGACAGCTGTTCTTACACTGGATTCAACC 
CTGACAGCTGTTCTTACACTGGATTCAACC 

とindex.txtのは "ecoli.ffnからindex.txtの抽出" で、理想的な出力は次のとおりです。

>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
CTGACAGCTGTTCTTACACTGGATTCAACC 
CTGACAGCTGTTCTTACACTGGATTCAACC 

どうすればいいですか？

Answer 1

を与えるためにはawkを使用して簡単なスクリプトecoli.shを書く：

#!/bin/bash 
a=`cat index.txt` 
for i in $a 
do 
    cat ecoli.ffn|awk -F: -v i="$i" 'BEGIN{flag=0} {if($2 == i){print $0;flag=1;} if(flag ==1 && $2 != i){print $0; flag=0;} }' 
done 

あなたはあなたのシェルでこのスクリプトを実行する必要があります。

Answer 2

awkレスキュー！これは、各レコードのためにそこにあるどのように多くの行に依存しないこと

$ awk -F: -v RS=">" 'NR==FNR{n=split($0,t,"\n"); 
          for(i=1;i<n;i++) a[t[i]]; 
          next} 
        $2 in a{printf "%s", RS $0}' index file 

>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGATCTGACAGCTGTTCTTACACTGGATTCAACC 
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGATCTGACAGCTGTTCTTACACTGGATTCAACC 

UPDATE 注意。更新された入力ファイル、同じスクリプトがあなたにこの出力

$ awk -F: -v RS=">" 'NR==FNR{n=split($0,t,"\n"); 
          for(i=1;i<n;i++) a[t[i]]; 
          next} 
        $2 in a{printf "%s", RS $0}' index file 

>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 
GTGTACGCTATGGCGGGTAATTTTGCCGAT 
CTGACAGCTGTTCTTACACTGGATTCAACC 
CTGACAGCTGTTCTTACACTGGATTCAACC 

Answer 3

このスクリプトは、ここで求めているものをあるように思われ、そのIDに基づいて、リストまたはファイルによってFASTAファイルをフィルタリングするために使用することができます。

https://github.com/jorvis/biocode/blob/master/fasta/filter_fasta_by_ids.pl