Grep 如何确定比特定尺寸更高的重叠数

我希望你做得很好

请给我一个fasta文件，比如

>contig1
sequence
>contig2
sequence
>contig3
>sequence

每个序列都有它的长度 我想确定大于9000的重叠数（因此序列长度大于9000）

---

谢谢你

你已经标记了grep，所以

grep-c.{9000\}你的\u fasta.fa

可能是最简单的方法

一种更为“生物信息学”的方法是使用seqkit（）：

seqkit seq-m 9000您的_fasta.fa>newfile.txt

将超过9000个碱基的序列提取到“newfile.txt”，并使用

grep-c“>”newfile.txt

计算长度>9000的序列数

---

此外，这里还有一系列您可以调整的awk/perl/BioWork解决方案：

如果您安装了，您可以执行此任务。然后，您可以将下面的脚本作为count_contigs.pl保存在名为“contigs.fasta”的contigs文件所在的目录中，并使用

perl count_contigs.pl

运行脚本。它将从输入文件中计算长度超过9000 bp的重叠并打印结果

#!/usr/bin/perl
use strict;
use warnings;    
use Bio::SeqIO;

# Setting minimum length to be more than 9000
my $min_len = 9000;

# Reading the input fasta file
my $seqio_in = Bio::SeqIO->new(-file => "contigs.fasta", 
                                     -format => "fasta" );
# Setting the counter
my $counter = 0; 

# Counting sequences if length > min_len     
while ( my $seq = $seqio_in->next_seq ) {
    if ( $seq->length  >  $min_len ) {
        $counter++;
    }
}

# Print the result
print "There are '$counter' sequences that are longer than $min_len\n"; 

---

会让你开始。是的，但是序列不止一行，你必须提供一个。不要以为我们可以看到你的数据，只有你有权访问它。我们鼓励通过研究、尝试提出问题，并在需要时（如您的案例）提供清晰、最少的输入文件和预期输出。我在标签中看到了grep，这是您问题的要求吗？或者任何基于Linux的系统都能做到？啊，塞德？有python语言吗？