Awk 在数据中查找序列

我想用awk来寻找DNA数据中的模式序列，但我不知道怎么做。我有一个文本文件“test.tx”，其中包含大量数据，我希望能够匹配以ATG开始，以TAA、TGA或TAG结束的任何序列，并打印它们

例如，如果我的文本文件包含如下所示的数据。我希望找到并匹配所有现有序列和输出，如下所示

AGACGCGGAAGGTCCGAGACATCGGCCTATTTCGTCTTGCTGCTCGAATAAACGAGTTTGGCTTATCGAATCTCGCGTAAGGTCGAAACGGCCGGGTCAGTCGAATCGGCGCGCTCAGTAGCGAAGTACAATGGG
GTCCGCGAATTTTCGGTTCGTCGCTTTCGCGCAGTTATGGATCAGACCCGCTCTGAATTACTCATACTCATACTCATACTCAGAATTATAAACGCAGCGCTCTCGGCGCTCGGGCCCGGCGCGCGGACTCTCGCGGGAGGCGCAGGCAGTTTCGAAGTTC
GGATGATATCAGATCTCGGCAATCGACGTTCGGGCCGTAGCGAACTGCGAATTCGAATTCGAATTCGAATTCGATCGGGCTTGAGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGAATGCGCGAATGCGCGCGAATGCGAATGCGAATGCGAATGCGATCGATCAGAGAGAGAGAGATGCAGATGCAGATGCAG
AAAGTATGTTTTCGATCCGCGCGCATTCAGATCGACCTCAGATCGGAAGCTTAAATTCAATCAAATGGGACGCCCCGAGGCGACCGTATAGATCGATCCGCTGCTCGCGATTCGACGGTGAA
ATGAGACCGGGCGATCGCCGACTGTGCCAACCCCTACGGCTTCTGG

请尝试以下内容

awk 'match($0,/ATG.*TAA|ATG.*TGA|ATG.*TAG/){print substr($0,RSTART,RLENGTH)}' Input_file

---

假设记录不跨越多行

$ grep -oP 'ATG.*?T(AA|AG|GA)' file

ATGGATCAGACGAACCCGCTCTCTGA
ATGATATCGACCATCTCGGCAATCGACGCGTTCGGGCCGTAG
ATGTTTTTCGATCCGCGCCGATTCGACCTCTCAAGAGTCGGAAGGCTTAA
ATGGGACGCCCCGAGCGCGACCGTATAG
ATGGATTTCATCGACGTTGTGA

---

非贪婪匹配，需要

-p

开关（以查找第一个匹配，而不是最长的匹配）。

尝试：

grep-Eo'ATG.*（TAA | TGA | TAG）'test.txt

目标序列是否始终包含在一行中，或者是否可以跨行？一条线上是否会出现多个序列？字符串ATG、TAA、TGA或TAG是否仅在序列开始/结束时的一行上出现一次，或者是否可以出现多次？如果它们可以出现多次，序列是在最近的一对终止符之间还是在距离最远的一对终止符之间？不应该跨越线路，是的，一条线路内可能出现多个序列。它们可以出现多次。是的，它们可以在最接近的一对之间移动。

/ATG.*TAA | ATG.*TGA | ATG.*TAG/

=

/ATG.*T（AA | GA | AG）/

谢谢，我试过了，但遗漏了一些sequence@user11766958使

awk

匹配为非贪婪的并不容易。