从基因列表中识别基因

Question

我有一个基因列表文件。像这样的事情

    SWT21
    SSA1
    NRP1
    EFB1
    TFC3
    MDM10

我还有另外一个文件，其中也包含了这些基因的名字，以及关于它们的其他基本信息。第二个文件如下所示：

chrI    147593  151166  YAL001C -   TFC3
chrI    143706  147531  YAL002W +   VPS8
chrI    142173  143160  YAL003W +   EFB1
chrI    140759  141407  YAL004W +   YAL004W
chrI    139502  141431  YAL005C -   SSA1
chrI    137697  138345  YAL007C -   ERP2
chrI    136913  137510  YAL008W +   FUN14
chrI    135853  136633  YAL009W +   SPO7
chrI    134183  135665  YAL010C -   MDM10

我想从第二个文件中提取出那些在第一个文件中有基因名称的行。

Answer 1

您所需要的只是一个简单的grep：

grep -Fwf gene_list.txt gene_info.txt

所采用的备选方案如下：

• -w :搜索整个单词，这将确保基因名ERK1与基因ERK12不匹配(-w不是标准选项，但相当常见)。
• -f :从文件中读取要搜索的模式。在这种情况下，gene_list.txt。
• -F :将模式视为字符串，而不是正则表达式。这确保了像TOR*这样的基因名称(如果存在这样的东西)将与TORRRRRR不匹配。

注意:这假设列表中的基因名称周围没有空格。如果存在，则需要首先删除它们(在这里使用GNU sed)：

sed -i 's/ //g' gene_list.txt

Answer 2

您还可以在linux中使用grep命令，方法是发出命令，如egrep -wi“完整的基因列表(1)与基因间的诱导管道”，文件名包含所有基因(2)“.Here genelist(1)是您的基因学家说它的数目为20，而geneliust (2)包含有整个基因的文件(1000 )”。