如何从FASTA文件中删除指定序列组并保留带_VEP的序列

你之前的命令为啥只输出ID没序列？因为FASTA是按「ID行+序列行」的条目组织的，你用逐行匹配的方式，把内容相同的序列行当成要删除的行（毕竟不带_VEP的条目序列和带_VEP的一模一样），结果序列行被误删，只剩带_VEP的ID行。

直接用awk按条目处理就行，不用额外的f2文件，一条命令搞定：

awk '/^>/ { keep = ($0 ~ /_VEP$/) ? 1 : 0 } keep { print }' f1.fasta > f3.fasta

命令逻辑 #

• 碰到以>开头的ID行，就判断该行是否以_VEP结尾：是就标记「要保留」，不是就标记「不保留」
• 只要标记了「要保留」，不管是ID行还是后面的序列行，都直接打印出来

要是你非得用f2文件（比如f2里存的是所有不带_VEP的ID，注意ID不要带开头的>），就用这个命令：

awk 'NR==FNR { ids_to_kick[$0] = 1; next } /^>/ { curr_id = substr($0,2); keep = !(curr_id in ids_to_kick) } keep { print }' f2.fasta f1.fasta > f3.fasta

为啥之前的命令失效？ #

• grep -v -x -f f2.fasta f1.fasta：-x要求整行完全匹配，f2里的序列行和f1里带_VEP的序列行完全一致，所以这些序列行被当成要删除的内容，只剩不在f2里的带_VEP的ID行
• 你用的那条awk命令也是逐行记录f2的内容，然后在f1里排除这些行，结果带_VEP的序列行因为和f2里的重复被过滤掉，只剩ID行

内容的提问来源于stack exchange，提问作者Vik02