如何使用序列 ID 提取 FASTA 序列（shell 脚本）

Question

我有以下序列，它们是带有序列头及其核苷酸的 fasta 格式。如何比较两个文件（Kcompare.pep 和 clade1i.txt）并提取具有相同序列头的序列？谁能帮帮我？

Kcompare.pep

>ztr:MYCGRDRAFT_45998
MAAPLHAEGPIRTPYTGVELLNTPYLNKGTAFPADERRVLGLTALLPTSVHTLDQQLQRA
WHQYQSRDNDLARNTFLTSLKEQNEVLYYRLVLDHLSEVFSIIYTPTEGEAIQRYSSLFR
>kal:KALB_5042
MTAEVAVVSDGSAIPGASPPATLPLLQDYAELVREHAGLSAVPLAVDSARLAAELCALPK
RFRAVFLTHTDPERAFQVQRAVAKAGGPLVITDQDTTAISLTASTLTTLARRGRSPSDSR

clade1i.txt

cpo:COPRO5265_0583
ble:BleG1_3845
kal:KALB_5042

预期输出

>kal:KALB_5042
MTAEVAVVSDGSAIPGASPPATLPLLQDYAELVREHAGLSAVPLAVDSARLAAELCALPK
RFRAVFLTHTDPERAFQVQRAVAKAGGPLVITDQDTTAISLTASTLTTLARRGRSPSDSR

我尝试运行这样做，但没有出现错误或结果。

for i  in K*
   do
     echo $i

      awk -F ' ' '{print }' $i/$i.pep > Kcompare.pep
      mv Kcompare.pep $i

      awk -F '_' '{print ":""_"}' $i/firstClade.txt > $i/clade1i.txt
       awk 'NR==1{printf [=14=]"\t";next}{printf /^>/ ? "\n"[=14=]"\t" : [=14=]}' $i/Kcompare.pep | awk -F"\t"  'BEGIN{while((getline k <"$i/clade1i.txt")>0)i[k]=1}{gsub("^>","",[=14=]);if(i[]){print ">""\n"}}' > $i/firsti.pep
    done

Answer 1

使用这个：

while read l; do
  sed -n '/^>'"$l"'/,/^>|$/p' Kcompare.pep
done <clade1i.txt

while 循环逐行遍历 clade1i.txt 文件。
sed -n 禁止自动打印。
/regex/,/regex/ 匹配从第一个正则表达式到第二个正则表达式的所有内容。
p 打印匹配的行。

Answer 2

使用 awk：

awk 'NR==FNR{a[">"[=10=]];next}/^>/{f=0;}([=10=] in a)||f{print;f=1}' clade1i.txt Kcompare.pep

读取 clade1i.txt 文件并作为键存储在数组中。阅读Kcompare.pep。对于以'>'开头的每一行，设置一个标志，并继续打印这些行，直到遇到下一个以'>'开头的行。

如何使用序列 ID 提取 FASTA 序列（shell 脚本）

How to extract FASTA sequence using sequence ID (shell script)

shell

fasta