→ enisx:感謝您的方法! 我會好好研究一下 08/03 18:22
Assume the fasta file format is stored in a file named: test.fasta
under linux env
type:
gawk 'BEGIN{reg = "TAC[ATCG]*TTT"}
{if(match($0,reg)) print substr($0,RSTART,RLENGTH);}' test.fasta
in one line...
※ 引述《enisx (東方有比目魚,不比不行)》之銘言：
: 請教各位高手,
: 我手上有外送回來定序的DNA序列文字檔(.txt)
: 裡頭大約有約700-1000條,檔案已經轉成FASTA格式了,
: 但是,我想從每條DNA序列中"擷取"出我想要的部份,
: 舉例如下:
: -------------------------------------------------------------
: >123456
: ACGTGGTTAACCTTGGCCCCTACCTCTGTGCTGTGGGGCGGATC
: TGAAAAGCTGGTCTTTGGCGTTGAAATTGTCCCAAAGTCAACGTGTGGTT
: 我想要得到如下形式
: >123456
: TACCTCTGTGCTGTGGGGCGGATCTGAAAAGCTGGTCTTT
: -------------------------------------------------------------
: 這些我想要擷取的序列都是呈現 TACXXXXXXXXXTTT 的格式,
: 因為我一直找不到好方法來做,
: 所以目前是以Emeditor打開原始的文字檔,以正規表示法標示出我想要的位置
: ,然後....一條一條地將不要的部份刪除,再將之複製貼上到另外的文字檔上 ,
: 這樣土法煉鋼還蠻笨的也花了我很多時間在這些重複性工作~~
: 想請教各位高手,是否有快一點的方法,請教教我吧!! 謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.104.214.51
※ 編輯: xpertslayers 來自: 59.104.214.51 (08/03 14:41)