Wie verwende ich Linux-Befehl zum Extrahieren von Sequenzdaten

Question

Ich möchte bestimmte Zeilen und die folgenden Sequenzdaten extrahieren.

Es gibt eine ecoli.ffn Datei wie folgt:

$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 

und ein index.txt folgend

$head index.txt 
g000011 
g000012 

, was ich tun möchte, ist "index.txt aus ecoli.ffn extrahieren", Der ideale Ausgang ist:

>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 

Wie kann ich das tun?

Answer 1

ein einfaches Skript ecoli.sh mit awk schreiben:

#!/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 

dann müssen Sie dieses Skript in der Shell ausgeführt werden.

Answer 2

awk zur Rettung!

$ 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 Beachten Sie, dass dies nicht davon abhängt, wie viele Zeilen sind für jeden Datensatz gibt. Für die aktualisierte Eingabedatei wird elbe Skript geben Sie diese Ausgabe

$ 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

Dieses Skript kann eine FASTA-Datei zu filtern, indem Sie eine Liste oder Datei auf ihrer IDs basiert verwendet werden, das, was Sie hier fragen zu sein scheint:

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