我有一个包含10万多条转录本的大型FASTA文件，想要从中提取前50条最长的转录本。通过以下awk命令可以得到按长度从长到短排序的转录本名及对应长度：

awk -vRS=">" -vORS="\n" -vFS="\n" -vOFS="\t" '
NR>1 {a=$1; $1 = ""; print a, length($0)-NF+1}
' /storage/data/sample/filename.fasta

确认前50条转录本的长度均超过8100后，我编写了筛选命令，但需要完成两个操作：1）将筛选结果保存为单个FASTA文件；2）将该文件移动至/station/work/目录。同时要求不改动原文件、不复制整个大文件，且避免生成多个单独的FASTA文件。

解决方案 #

方法一：先提取保存再移动

1. 执行以下awk命令，提取前50条符合长度要求的转录本并保存为单个文件：

awk -vRS=">" -vORS="" -vFS="\n" -vOFS="\n" '
NR>1 {
    a=$0; 
    $1=""; 
    seq_len = length($0)-NF+1;
    if(seq_len>8100) {
        print ">"a;
        count++;
        if(count>=50) exit; # 找到50条后立即退出，提升处理效率
    }
}' /storage/data/sample/filename.fasta > top50_longest_transcripts.fasta

2. 将生成的文件移动到目标目录：

mv top50_longest_transcripts.fasta /station/work/

方法二：直接生成到目标目录（一步到位）

无需额外移动操作，直接将输出写入目标路径的文件：

awk -vRS=">" -vORS="" -vFS="\n" -vOFS="\n" '
NR>1 {
    a=$0; 
    $1=""; 
    seq_len = length($0)-NF+1;
    if(seq_len>8100) {
        print ">"a;
        count++;
        if(count>=50) exit;
    }
}' /storage/data/sample/filename.fasta > /station/work/top50_longest_transcripts.fasta

说明 #

• 上述命令通过count变量控制只提取前50条符合条件的序列，找到后立即退出，无需遍历整个大文件，处理效率更高。
• 输出结果会被写入单个FASTA文件，不会生成多条序列各自单独的文件。
• 整个过程不会修改原FASTA文件，仅读取必要内容并输出目标序列。

示例短序列 #

>scaffold_144150_c1
CCCCAGAATTCTGGGAGCTCGGCTATGGACTCCAATACAGCCCTTTGACGGGGACGGAACATCGGCAATGACTTAGGACCAAGAACCCGAGCATATTCGACAAAATTCTTGTCGCTTATGCTACGCCACTTAACAGTGGGAATAACGGATTCTGGTGTAATAATCTTGCCTGCAAACTCGGCTATCCTTCCCGAGATAGT
>scaffold_144149_c1
CGCCCTGGAGGGTCACGGTCACGAAGACCGGCATGGCAAACAGGGCGAAAAGCCCGCTCAGATAGAACAGCGTGGACACGAGACCGGCCAGGACCGGATGCTCGCTCAGCTGAACGACGAATCTTCGGAACACGCCCGCTCTCAGCGCGGAGAAGCGTTCGGGGACGAGCCCGGCGGACTTCCTCAGAAACGTCCATGG
>scaffold_144148_c1
ACAGTTACAGGCTGAATTACTATTACTGGATAATTAGCAGTATTGCCGTTTGAGCCTGTAACACTAATAGTGCCGAATGCCATACCTAAAGAATTTGAGCCCGCTGTAAATGGATTTTTTAAATCCAATACACCGTTTATACCAGCCTGATACATACTAACTAAACAGCCATCAGTTGCGTTTGCTTGGGATGGAAACTG
>scaffold_144147_c1
GTGACGTTAGCATGTCCCGTTGCATTCAGTGTCACATTTGAAAGATACACGTAGAAGTGTACTGTGGAACCTATTGCAACAGTTTCAGATGTCGGTATCAGGAAAACCTGTAAATGCTGTGAAAGGACTATAATGGTGAGATTCGCATATGCTACGTTTCCAACGTTGTCAGTTATTTTCAGTTCAAAATGATAAGTTCC
>scaffold_144146_c1
ACAGAACATATGGTAATGTAACGAGTGCATCTTCCATTACAGGAAATTATGGATCTTCATATGCGTTCACGATAAGTGCATCTGGAACTTACACAGTCGTTGTCGTAACCAATGTCAATCAAAATGCCACACAGACAGAAGCGCCATGGGTTGTTAAGATAGACAACTCTTTGCCTTCATTAAAACTTCTACCAGCAACG
>scaffold_144145_c1
ATCTTGCTGTAGGAGAGGAGAACGGCGAGTTCGGGACGCGTGAATCCCTTGCCGAGGGCCCGGCGCGCGGCGAGCTCGTCGCCCGTCGGGAGCCCCTCGAGCTGACGCTGGAGGAGACCCTGACGCTCGAGCTGACGCATGAGAAAGACGTGTTCGTCGAACCGCGCCGGGGCGTAGGCGTTGGCGAGCGCGAGCGCGAG
>scaffold_144144_c1
GCAGGAAAGACCGCTCTCGACGATCTTGTGACCGTCATCACGGGGCCATTCCGGTTCCGCTTCAAGGTCAACAACAAGGTCTACTACGAGGACAGCCCGCTTGCTGCTCTTCCTCCGCACTACAGCTTCGGGTCTTCGCAGGCGGCAACCACGACGGCTACTACGACTACGGTTGTCGGCGGCTACGGGTCGGTCACAGG
>scaffold_144143_c1
ACTGTGACTGGTGATTCCGGTACAAGCCCAGTGACTGTTTCAGTTATACCAGGCTCAGGCACCGTCACATATTCAGGTGAATCAATAGTTACGAGCACTTCTTACTTTGCACAGGGCACAACAACCCCAGTAGTATCGTCTGAATCACCGTCCTCGGCCGGAACATACACATACCCACTTTACGTGGTATTTACAGGTGT
>scaffold_144142_c1
CAACCTTATACAATCTGGTTATATCACCATATCTATGCCATCAACCGCTTCTATAGCAAGTATAAGCGTTCTGAACACAAGCGCCAGCTGTCCAACAAACGGCATATTAACATCTACAAGCACTCCCAATGTGTATTACATAAACTTAGCAACACTAGCATCGTTGTGTACAGGTCTCACTCCAACAGCATGGCAATCTG
>scaffold_144141_c1
CAACCTTATACAATCTGGTTATATCACCATATCTATGCCATCAACCGCTTCTATAGCAAGTATAAGCGTTCTGAACACAAGCGCCAGCTGTCCAACAAACGGCATATTAACATCTACAAGCACCCCCAATGTGTATTACATAAACTTAGCAACACTAGCATCGTTGTGTACAGGTCTCACTCCAACAGCATGGCAATCTG

内容的提问来源于stack exchange，提问作者deliza123