从文件中查找正确的行并使用它们创建新文件

Question

我正在使用 Bash（对我来说非常陌生）。我有 2 个源文件。

其中一个（名称：clusters.txt）如下所示：

Cluster 10: WP_1.2 WP_1.1 WP_1.4 ......

Cluster 15: WP_2.1 WP_1.4 WP_1.3 ......

简而言之，每一行对应一个簇，该簇具有一系列 ID（每个 ID 看起来像 XY_123.4）。

第二个文件（名称：sequence.fasta）如下所示：

>WP_1.1 some dummy text...

>WP_1.2 some more text...

>WP_1.3 some more text...

>WP_1.4 some more text...

>WP_2.1 some more text...

>WP_2.2 some more text...

简而言之，每行以“>”符号开头表示它是一个序列。

我需要做的是获取“集群”的每个“序列”并用它们创建一个单独的 fasta 文件。例如，对于集群 10，我需要创建：

>WP_1.1 some dummy text...

>WP_1.2 some more text...

>WP_1.4 some more text...

我尝试在循环中使用 grep，但这对资源来说非常昂贵并且无法执行。

非常感谢所有帮助。预先感谢。

Answer 1

您可以尝试这个

awk

脚本

#! /usr/bin/awk -f

BEGIN { FS=": " }
{ gsub(" ", "_", $1); gsub(" ", "|", $2); system("/usr/bin/awk '/" $2 "/' sequences.fasta >" $1) }

假设

clusters.txt

中有合理数量的行，因为这会为每一行调用一个新的

awk

。

chmod +x myscript
./myscript clusters.txt