在linux中基于当前字符拆分文件

我试图在论坛上找到这个问题的解决方案，但无法理解其中的一些解决方案

我在处理DNA数据，我有两个文件。 第一个文件（a）是包含所有序列头的文件。（姓名等） 每个标题都有自己的行。 例如：

第二个文件（b）包含这些标题的内容。 每行对应于第一个文件

GAGTTGGAAAGAG
GCTGCCCTGAGATCGTNNNN
GTGCAGTGATNNAGTG
ACTG

我正在制作一个程序，搜索序列中的未知字母。 通常情况下，您会假设文件2中只有C T&G字符

我想制作两个文件：

• 同时具有头+序列（第一个制表符=头，第二个制表符=序列）的文件，其中的条目只有一个CT和G
• 只有头+序列（第一个制表符=头，第二个制表符=序列）的文件，这一次我们只有包含其他字母的条目。（例如N）

到目前为止，我试过：

while read line; do
    echo "$line" | tr -d "A" | tr -d "C" | tr -d "T" | tr -d "G" | tr -d "\n" | wc -c
done <sequenceOnly.txt >unkownLines.txt

预期输出文件2（包含其他内容）：

---

首先，将数据与粘贴放在一起，然后用awk分开：

paste header sequence | 
    awk '$NF ~ /^[ACTG]*$/ {print > "file1"; next }1'  > file2

---

粘贴将数据分为两列，而

awk

检查最后一列是否只包含字母

ACTG

。如果是，则该行将写入文件

file1

。（也将打印空序列。）如果没有，则该行将写入

file2

您需要发布两个输入文件（至少一个行样本）并发布预期的输出。您可以使用

tr-d“ACTG”

而不是

tr-d“a”| tr-d“T”…

您不需要管道

tr

这样的命令；只需删除所需的字符集。您也不需要

read/while

。当标题中包含空格时，只需执行

tr-dactg

失败，请将

$2

更改为

$NF

以进行修复。

>title1             GAGTTGGAAAGAG
>some other title   ACTG

>title2            GCTGCCCTGAGATCGTNNNN
>title3            GTGCAGTGATNNAGTG

paste header sequence | 
    awk '$NF ~ /^[ACTG]*$/ {print > "file1"; next }1'  > file2