使用awk按跨列多模式条件删除GFF文件指定记录的实现问题

核心错误原因 #

你之前将字段分隔符设为;会破坏GFF文件默认的9列制表符分隔结构，导致无法正常匹配第3列和最后一列的内容，所以筛选失效。

正确过滤命令 #

直接输出过滤后文件 #

awk 'BEGIN{FS="\t"} !($3 ~ /exon|guide_RNA|lnc_RNA|mRNA|snoRNA|snRNA|transcript/ && $9 ~ /gene=/ && $9 !~ /transcript_id=/) {print}' 你的输入文件.gff > 过滤后输出文件.gff

先验证待删除的行是否正确 #

如果需要先核对要删除的行是否符合预期，执行以下命令仅打印待删除行：

awk 'BEGIN{FS="\t"} $3 ~ /exon|guide_RNA|lnc_RNA|mRNA|snoRNA|snRNA|transcript/ && $9 ~ /gene=/ && $9 !~ /transcript_id=/ {print}' 你的输入文件.gff

注意事项 #

• 匹配逻辑对大小写敏感，如果你的GFF文件中属性为大写开头的Gene=或Transcript_id=，自行修改正则中的字符串大小写即可。
• 如果使用的是GFF3格式，属性分隔符为;加空格，本命令不需要额外调整，直接匹配字符串即可。

内容的提问来源于stack exchange，提问作者user5719890