Linux下检索基因数据(含UCSC查询)

最新推荐文章于 2022-08-14 21:46:17 发布

wangyiqi806643897

最新推荐文章于 2022-08-14 21:46:17 发布

阅读量1.4k

点赞数

本文链接：https://blog.csdn.net/wangyiqi806643897/article/details/106881043

版权

Linux菜鸟，遇到命令就查，不懂就问，挺好的。

最近要在gtf中检索基因，已知基因名称和位置，两种方法，反正都能得到结果，不知道哪种方法好用

1、先cat再grep

cat *.gtf|grep "ENSG00000121957"|grep "108896963"

2、直接grep

grep ENSG00000121957 *.gtf|grep "108896963"

3、如果是在多个文件夹搜索关键字，显示文件位置，可以

grep '字符串' *_文件夹 -Rn

$grep -B 2 'parttern' inputfile //打印匹配行的前5行

好的，得到我要的结果了

chr1 HAVANA exon 108896864 108896963 . + . transcript_id "ENST00000446797.1"; gene_id "ENSG00000121957.14"; gene_name "GPSM2";

chr1 HAVANA CDS 108896864 108896963 . + 1 transcript_id "ENST00000446797.1"; gene_id "ENSG00000121957.14"; gene_name "GPSM2";

下一步，还是得去查一下序列呀，个人不太喜欢NCBI，UCSC genome browser更好用一些

https://genome-asia.ucsc.edu/cgi-bin/hgGateway?redirect=manual&source=genome.ucsc.edu

直接录入

chr1:108896864-108896963，然后在最头头的view上，点开dna,MAC好难截图呀，回到Windows再上图

从USCS常用的两个功能，blat和genome browser

有时候需要把blat结果在一些序列里查询，我觉得这个python子串匹配的代码超级好用呀

line="TGCTACTCTGGAGGCTGAGGCAGGAGGATTGCTTGAGCCCAGGAGTTTGAGACTTGCCTGGGCAATATAGTGAGACTCCCATCTCTGTAACGAACATGAAAAGAATGGTCTTCTCTCATGCTTATCAAATTTTCCTCCATCGAGTCATAT"
patt="TGCTACTCTGGAGGCTGAGGCAGGAGGATTGCTTGAGCCCAGGAGTTTGA"
pattern = re.compile(patt)
result = pattern.findall(line)
print result