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 (东方有比目鱼,不比不行)》之铭言： : 请教各位高手, : 我手上有外送回来定序的DNA序列文字档(.txt) : 里头大约有约700-1000条,档案已经转成FASTA格式了, : 但是,我想从每条DNA序列中"撷取"出我想要的部份, : 举例如下: : ------------------------------------------------------------- : >123456 : ACGTGGTTAACCTTGGCCCCTACCTCTGTGCTGTGGGGCGGATC : TGAAAAGCTGGTCTTTGGCGTTGAAATTGTCCCAAAGTCAACGTGTGGTT : 我想要得到如下形式 : >123456 : TACCTCTGTGCTGTGGGGCGGATCTGAAAAGCTGGTCTTT : ------------------------------------------------------------- : 这些我想要撷取的序列都是呈现 TACXXXXXXXXXTTT 的格式, : 因为我一直找不到好方法来做, : 所以目前是以Emeditor打开原始的文字档,以正规表示法标示出我想要的位置 : ,然後....一条一条地将不要的部份删除,再将之复制贴上到另外的文字档上 , : 这样土法炼钢还蛮笨的也花了我很多时间在这些重复性工作~~ : 想请教各位高手,是否有快一点的方法,请教教我吧!! 谢谢 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.104.214.51 ※ 编辑: xpertslayers 来自: 59.104.214.51 (08/03 14:41)