grep：将阴性匹配与After相结合（搜索不包含单词片段的蛋白质序列）

我有一个fasta序列，我想过滤掉所有在标题中有单词片段的序列

我想我可以使用

grep

和

-a1

（因为蛋白质序列总是在一行上）和

-I

（以防片段没有大写）并将其与

-v

一起使用，但不知何故，反转结果并不能如预期的那样起作用

>tr|A0A534K2W8|A0A534K2W8_9EURY Epoxide hydrolase 1 (Fragment) OS=Euryarchaeota archaeon OX=2026739 GN=E6K10_05355 PE=4 SV=1 
MSNTPDFNRR...
>tr|A0A4S3JUN3|A0A4S3JUN3_9EURO AB hydrolase-1 domain-containing protein OS=Aspergillus tanneri OX=1220188 GN=ATNIH1004_010243 PE=4 SV=1
MRDKYTPATL...
>tr|B1AQP8|B1AQP8_HUMAN Epoxide hydrolase 1 (Fragment) OS=Homo sapiens OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV...
>tr|B1AQP9|B1AQP9_HUMAN Epoxide hydrolase 1 (Fragment) OS=Homo sapiens OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV...
>tr|Q6FGZ3|Q6FGZ3_HUMAN EPHX1 protein (Fragment) OS=Homo sapiens OX=9606 GN=EPHX1 PE=2 SV=1
MWLEILLTSV...
>tr|A0A2G8L4U1|A0A2G8L4U1_STIJA Putative epoxide hydrolase 1-like OS=Stichopus japonicus OX=307972 GN=BSL78_07808 PE=4 SV=1
MVHGWPGSFY...

如果我想保留带有片段的序列，它可以正常工作

grep-i“片段”-a1 test.fasta
>tr | A0A534K2W8 | A0A534K2W8 	 Eury环氧化物水解酶1（片段）OS=Euryarchaeota Archeon OX=2026739 GN=E6K10_05355 PE=4 SV=1
MSNTPDFNRR。。。
--
>tr | B1AQP8 | B1AQP8 |人类环氧化物水解酶1（片段）OS=智人OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV。。。
>tr | B1AQP9 | B1AQP9 |人环氧化物水解酶1（片段）OS=智人OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV。。。
>tr | Q6FGZ3 | Q6FGZ3 |人类EPHX1蛋白（片段）OS=智人OX=9606 GN=EPHX1 PE=2 SV=1
MWLEILLTSV。。。

但如果我想逆转比赛，这就是结果

grep-i“片段”-1-v测试
MSNTPDFNRR。。。
>tr | A0A4S3JUN3 | A0A4S3JUN3 | 9EURO AB水解酶-1结构域含蛋白质OS=单宁曲霉OX=1220188 GN=ATNIH1004|010243 PE=4 SV=1
MRDKYTPATL。。。
>tr | B1AQP8 | B1AQP8 |人类环氧化物水解酶1（片段）OS=智人OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV。。。
>tr | B1AQP9 | B1AQP9 |人环氧化物水解酶1（片段）OS=智人OX=9606 GN=EPHX1 PE=1 SV=1
MWLEILLTSV。。。
>tr | Q6FGZ3 | Q6FGZ3 |人类EPHX1蛋白（片段）OS=智人OX=9606 GN=EPHX1 PE=2 SV=1
MWLEILLTSV。。。
>tr | A0A2G8L4U1 | A0A2G8L4U1 | STIJA假定的环氧化物水解酶1类OS=刺参OX=307972 GN=BSL78(U 07808 PE=4 SV=1
MVHGWPGSFY。。。

---

我哪里出了问题？

问题是

-v

不能与上下文切换一起使用。如果您有

GNU grep

和

PCRE

，则可以使用复杂的正则表达式：

grep——无组分隔符-xiP-a1'>（（？！fragment）。+'

注意使用

--no group separator

避免不同匹配之间出现

--

<代码>-P启用

PCRE

<代码>-x确保整行匹配<代码>>（（？！fragment）。+确保

片段

不出现在以

开头的行中（有关更多说明，请参阅）

但是，在这种情况下，您最好使用

awk

：

带有GNU awk的

#
awk-v IGNORECASE=1'/^>/&&/片段/{f=2}f&&f--'
#任何awk
awk'/^>/&&tolower（$0）！~/片段/{f=2}f&&f--'

这里，

f=2

大于匹配后所需的行数<代码>/^>/&/fragment/将只匹配以

开头且不包含

fragment

有关更多此类示例，请参见