如何通过Bash脚本用txt文件中的模式统计fasta文件序列出现次数？

你的脚本只输出最后一个模式结果的核心原因是重定向符号用错了：你用了>，它每次都会清空目标文件并写入新内容，循环到最后就只剩最后一次的输出。换成>>就能追加内容到文件末尾，保留所有模式的结果。

另外你的脚本还有几个小问题需要修正：

• [myfile.fasta]里的方括号是多余的，直接写文件名即可
• $pattern要加双引号，避免模式里有空格或特殊字符时出错
• 原脚本只输出次数，没有对应模式名，后续根本分不清数字对应哪个序列，建议把模式也写入结果

修正后的基础脚本如下：

while read -r pattern; do
  # 跳过空行
  [[ -z "$pattern" ]] && continue
  count=$(grep -c -i "$pattern" myfile.fasta)
  echo "$pattern: $count" >> acountoftheoccurances.txt
done < patternfile.txt

额外优化建议 #

1. 处理fasta序列换行问题：如果你的fasta文件里序列是多行拆分的（比如每行60个碱基），grep -c只会统计包含模式的行数，而不是实际的出现次数。这种情况可以先把所有序列行合并成单行，再统计：

# 先提取fasta的序列部分（跳过以>开头的注释行）并合并成单行
cat myfile.fasta | grep -v "^>" | tr -d '\n' > merged_sequence.txt

while read -r pattern; do
  [[ -z "$pattern" ]] && continue
  # 用grep -o统计匹配到的次数（每行每个匹配都输出一行，再wc -l计数）
  count=$(grep -o -i "$pattern" merged_sequence.txt | wc -l)
  echo "$pattern: $count" >> acountoftheoccurances.txt
done < patternfile.txt

2. 提升性能：如果模式文件很大，循环多次调用grep效率低，可以用grep的-f参数直接读取模式文件，一次性处理：

# 同样先合并序列
cat myfile.fasta | grep -v "^>" | tr -d '\n' > merged_sequence.txt
# 用-f读取模式文件，-o输出每个匹配，再排序统计
grep -o -i -f patternfile.txt merged_sequence.txt | sort | uniq -c > acountoftheoccurances.txt
# 要是想改成“模式:次数”的格式，可以再加一步处理：
# grep -o -i -f patternfile.txt merged_sequence.txt | sort | uniq -c | awk '{print $2": "$1}' > acountoftheoccurances.txt

内容的提问来源于stack exchange，提问作者tazzy-mt