如何用grep结合管道从gff文件中提取去重的miRNA基因名称？

问题原因排查 #

你写的命令失效主要有3个问题：

• 语法逻辑错误：grep 命令 > file2 | sort 这一步将grep的输出全部重定向写入了file2，管道左侧没有任何标准输出流传递给sort命令，后续流程自然无法执行
• 冗余操作：不需要额外创建临时文件存储中间结果，Linux管道可以直接在多个命令间传递输出流，完全可以实现无临时文件的单行命令
• 正则冗余：你写的(\gene-MIR)里的反斜杠是多余转义，不需要给字母g加转义符

正确单行命令实现 #

根据你的需求提供两种常用场景的命令：

场景1：仅输出去重后的miRNA名称列表 #

grep -Eo "gene-MIR[0-9a-zA-Z]*" file.gff | sort | uniq > unique_mirna_list.txt

场景2：输出去重后的miRNA名称+对应在gff中出现的次数 #

grep -Eo "gene-MIR[0-9a-zA-Z]*" file.gff | sort | uniq -c > mirna_count_list.txt

小提示：如果你的gff文件中miRNA名称包含横杠后缀（如gene-MIR124-3p），可以将正则修改为"gene-MIR[0-9a-zA-Z-]*" 即可完整匹配整个名称。

命令逻辑说明 #

• grep -Eo "gene-MIR[0-9a-zA-Z]*" file.gff：使用扩展正则匹配所有gene-MIR开头的miRNA名称，仅输出匹配到的名称部分
• sort：将匹配到的所有名称按字典序排序，uniq命令仅能识别相邻的重复行，因此排序是去重的前置必要步骤
• uniq：去除重复行，加-c参数会在每行开头统计该条目出现的次数
• 最后重定向到输出文件保存最终结果

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