Unix 提取fasta文件中给定序列的序列头

我有一个fasta文件（myfasta.fasta），如下所示：

>aat.2.2344.a
ATTGCCGGTTTAATATTA
>aat.2.d2344.acc
ATTGCCGGTTTAATAAA
>aat.2.2bb344.a
ATTGCCGGTTTAATAGGAGAGAATT
>aat.2.2ccc344.a
ATTGCCGGTTTAATAGGGAG
>aat.2.2344.acc
ATTGCCGGTTTAATAAA

我还有一个文本文件

my.txt

，其中包含与上面fasta文件中的序列相匹配的序列：

ATTGCCGGTTTAATAAA

基于这个序列，我想提取这个序列的所有匹配ID。有人能帮我吗？谢谢

我想要的结果是：

>aat.2.2344.acc
>aat.2.d2344.acc

---

假设您的输入数据格式与示例一致

$ awk -v v='ATTGCCGGTTTAATAAA' '/>/{id=$0} $1==v{print id}' file

>aat.2.d2344.acc
>aat.2.2344.acc

这可能适用于您（GNU-sed）：

---

从密钥文件创建sed脚本，并对fasta文件运行它。

您可能对BioWork感兴趣，它是经过调整的awk版本，用于处理fasta文件

bioawk -c fastx -v str="ATTGCCGGTTTAATAAA" '($seq == str) { print ">"$name }' file.fasta

注意：基于中记录的。我不确定此版本是否与兼容。

使用grep和sed：

有关更多信息，请参见回答人。

使用Python！ 创建一个名为extract_fasta.py的文件。在文件中插入以下内容：

lines = open("myfasta.fasta").readlines()

for line in lines:
    if line[0] == '>':
        print(line[1:])

然后，打开终端并运行“python extract_fasta.py”

grep --no-group-separator -B 1 "ATTGCCGGTTTAATAAA" my.txt | sed -n 1~2p
>aat.2.d2344.acc
>aat.2.2344.acc

lines = open("myfasta.fasta").readlines()

for line in lines:
    if line[0] == '>':
        print(line[1:])