grep命令grep在gff文件中的第一个文件中的基因列表。

Question

我正在使用这个命令grep，在gff文件中的第一个文件中的基因列表。

grep  -w -f upregulated_genes_in_BEg GCA_900659725.1_ASM90065972v1_genomic.gff

这对我没用..。请有任何建议。

第一个文件中的基因列表。

LOCUS10095
LOCUS10108
LOCUS10129
LOCUS10130
LOCUS10152
LOCUS10161
LOCUS10225
LOCUS10252
LOCUS10266
LOCUS10268
LOCUS10294
LOCUS10313
LOCUS10351
LOCUS10355
LOCUS10358

Answer 1

跳过-w标志到grep，因为这限制了搜索在 grep定义的单词边界as上匹配(从文档中，“只选择那些包含匹配词的行”)。此命令生成预期的输出：

cat > GCA_900659725.1_ASM90065972v1_genomic.gff < upregulated_genes_in_BEg <

指纹：

CAACVG010000001.1 EMBL gene 4526 9821 . - . ID=gene-CALMAC_LOCUS1;Name=CALMAC_LOCUS1;gbkey=Gene;gene_biotype=protein_coding;locus_tag=CALMAC_LOCUS1

如果您需要对单词边界进行精确控制，那么这个Perl一行程序也许是一个更好的选择：

perl -lne 'BEGIN { @upregulated_genes_in_BEg = `cat upregulated_genes_in_BEg`; %is_upregulated_gene_in_BEg = map { $s = $_; chomp $s; ( $s => 1 ) } @upregulated_genes_in_BEg; } ( $gene ) = m{(LOCUS\w+)}; print if $is_upregulated_gene_in_BEg{ $gene };  ' GCA_900659725.1_ASM90065972v1_genomic.gff

一行将带有上调基因的文件内容读入散列。然后使用此散列查找哈希是否在当前行中包含LOCUS...单词。如果散列中有单词，则打印行。

Perl一行程序使用以下命令行标志：-e：告诉Perl查找行内代码，而不是文件中的代码。-n：每次循环输入一行，默认情况下将其分配给$_。-l：在执行代码行之前，先去掉输入行分隔符(默认情况下是*NIX上的"\n")，然后在打印时追加它。

<#>SEE还： perldoc perlrun*如何执行Perl解释器:命令行开关 perldoc perlre：Perl正则表达式(regexes) perldoc perlrePerl正则表达式(regexes)：量词；字符类和其他特殊的替身；断言；捕获组 perldoc perlrequick：Perl正则表达式快速启动