Bash 如何使用文件中的行作为grep的关键字？

我在这里和其他网站上搜索了很多问题，人们提出了一些可以解决我问题的建议，但我认为我的代码有一些问题，我就是不知道

我有24个来自NGS测序的.fasta文件，长150bp。每个文件大约有100万次读取。读取来自定向测序，我们在载体上电镀感兴趣基因的cDNA和一个独特的条形码序列。我需要查看序列文件，看是否存在与特定基因对应的条形码序列

我有一个条形码序列的.txt列表，我想传递给grep在.fasta文件中查找条形码。我试过这么多不同的命令。我可以单独给grep每个条形码，但这太费时了，我知道可以给它条形码序列列表并搜索每个。fasta查找每个条形码，并记录每个文件中找到每个条形码的次数

这是我的代码，我分别给出每个条形码：

# Barcode 33
mkdir --mode 755 $dir/BC33
FILES="*.fasta"
for f in $FILES;      do                      
cat "$f" | tr -d "\n" | tr ">" "\n" | grep 'TATTAGAGTTTGAGAATAAGTAGT' > $dir/BC33/"$f"
                      done

dir="/home/lozzib/AG_Barcode_Seq/"
cd $dir
FILES="*.fasta"
for f in $FILES;      do                                              
cat "$f" | tr -d "\n" | tr ">" "\n" | grep -c -f BarcodeScreenSeq.txt | sort > $dir/Results/"$f"
echo "Finished $f"
                      done

我尝试对其进行调整，以便不必单独输入每个条形码序列：

# Barcode 33
mkdir --mode 755 $dir/BC33
FILES="*.fasta"
for f in $FILES;      do                      
cat "$f" | tr -d "\n" | tr ">" "\n" | grep 'TATTAGAGTTTGAGAATAAGTAGT' > $dir/BC33/"$f"
                      done

dir="/home/lozzib/AG_Barcode_Seq/"
cd $dir
FILES="*.fasta"
for f in $FILES;      do                                              
cat "$f" | tr -d "\n" | tr ">" "\n" | grep -c -f BarcodeScreenSeq.txt | sort > $dir/Results/"$f"
echo "Finished $f"
                      done

但它并不是在搜索条形码序列。通过此迭代，它只返回

/Results

目录中的空文件。我还尝试了一个嵌套循环，在该循环中，我尝试将条形码序列设置为一个变量，该变量会像

$FILES

一样发生变化，但这只会给我一个新文件，其中包含.fasta文件的名称：

dir="/home/lozzib/AG_Barcode_Seq/"
cd $dir    
FILES="*.fasta"
for f in $FILES;      do                        
for b in `cat /home/lozzib/AG_Barcode_Seq/BarcodeScreenSeq.txt`; do                   
cat "$f" | grep -c "$b" | sort > $dir/"$f"_Barcode
                      done   ;
                      done    

我想要一个输出.txt文件，该文件具有：

<barcode sequence>: <# of times that bc was found> 

编辑

lozzib@gliaserver:~/AG_Barcode_Seq$ file BarcodeScreenSeq.txt
BarcodeScreenSeq.txt: ASCII text, with CRLF line terminators

---

您可以一次读取一行文本文件，并使用重定向分别处理每行，如下所示：

for f in *.fasta; do 
    while read -r seq; do
        grep -c "${seq}" "${f}" > "${dir}"/"${f}"_Barcode
    done < /home/lozzib/AG_Barcode_Seq/BarcodeScreenSeq.txt
done

用于f in*.fasta；做
而read-r seq；做
grep-c“${seq}”“${f}”>“${dir}”/“${f}”条形码
完成

Windows行结束符 您的

BarcodeScreenSeq.txt

具有windows行结尾。每行以特殊字符结尾

\r\n

。诸如

grep

之类的Linux工具只处理Linux行结尾

\r

并解释文件

TATTATG\r\n
ATGAAAG\r\n
...

要查找模式，

tatg\r

，

ATGAAG\r

。。。（注意末尾的

\r

）。由于

\r

没有匹配项

或者：通过运行

dos2unix BarcodeScreenSeq.txt

或者

sed-i的/\r//g'BarcodeScreenSeq.txt来转换文件一次。这将更改您的文件。

或：将以下脚本中的每个
BarcodeScreenSeq.txt
替换为
是否要计算条形码序列出现的行数，或条形码序列出现的次数（如果一个条形码在一行中出现两次，是否计为1次或2次）？您的
grep
是否支持
-o
选项？允许您使用Perl、Python甚至Awk吗？（还有，
150 bp长的
是什么意思？我不知道单位的缩写。）此外，您正在搜索的任何条形码是否存在重叠的风险，例如条形码1以序列GTA结尾，条形码2以序列GTA开头，如果您找到条形码1，您可能还会发现条形码2与条形码1的末端重叠？我不确定这是否是一个可能的问题；如果错过了这样的匹配，对您来说有什么关系吗？
BarcodeScreenSeq.txt
文件中有多少行？成百上千上百万还是更多？样本长度均为24个字符；它们都一样长吗？尺寸范围是多少？我想知道条形码出现的次数。它应该每行只出现一次，但不管怎样，我只想知道它被发现了多少次。我不必使用grep，我可以使用Perl或Python，但我没有编写这些类型脚本的经验，所以我先尝试了
grep
。我不确定它是否支持
-o
选项<代码>150 bp长
表示行的长度为150个碱基对或字符。我试图查看的文件是Illumina sequencer中的
.fastq
文件，我将它们转换为
.fasta
文件，以使用
grep
查找条形码序列。
BarcodeScreenSeq.txt
中有150行，对不起，我仍然不完全理解。此行：
读取时-r seq；是否执行以下操作？为什么条形码文件的路径会在末尾？
seq
只是我选择的变量名，用于表示从“BarcodeScreenSeq.txt”文件中读取的每个序列。你可以叫它任何你喜欢的名字。文件的路径位于末尾，因为这就是这种重定向的工作方式：
while read-r[line]；做[用“行”做任何事]；完成<[file]
一次读取文件中的一行，在
循环中对每一行执行
命令，然后循环回文件中的下一行，以此类推。如果不支持
-o
，则
grep
将打印错误。另外，我从未听说过
grep
实现不支持
-o
。您的
BarcodeScreenSeq.txt
是否有windows行结尾？请向我们显示命令
file BarcodeScreenSeq.txt
的输出。因此，第二个选项为我提供了一个文件，就像您所说的那样，它将使用BarcodeSequence:#出现次数，但我为每个样本中的每个条形码获得
0
。我知道这是不正确的，因为当我为每个条形码编写一个
grep
命令时，就像在我的原始问题中，
grep
后面列出了一个序列，我在
$file
文件中找到了条形码。我将输出作为编辑添加到原始文件中question@lozzib谢谢我以前没见过。我的猜测是正确的。您有windows行尾，需要将其转换为linux行尾运行
dos2unix BarcodeScr
for file in *.fasta; do
    grep -oFf BarcodeScreenSeq.txt "$file" |
    cat - BarcodeScreenSeq.txt |
    sort | uniq -c |
    awk '{print $2 ": " ($1 - 1) }' > "Results/$file"
done