过滤字符 _ 和 / 之间有两个字符串匹配的对齐方式答案

【问题标题】：Filter alignments where there are two string matches between character _ and /过滤字符 _ 和 / 之间有两个字符串匹配的对齐方式
【发布时间】：2020-03-04 08:32:02
【问题描述】：

我有一组如下所示的对齐文件：

>X2JE30_DROME/180-423|W6URD5_ECHGR/38-170
.........AEGYPVDLYYLMDLSKSM...E..DDKAK..LST....LG.D......K....L......
>X2JE30_DROME/180-410|X1WIK5_DROME/68-211
......AEGYPVDLYYLMDLSKSM...E..DDKAK..LST....LG.D......K....L.........
>X2dhs0_ECHGR/183-490|X1WIK5_ECHGR/68-211
.......AEGYPVDLYYLMDLSKSM...E..DDKAK..LST....LG.D......K....L........

如何获得以下输出，其中只有在 _ 和 / 之间的两个字符串之间存在匹配时才会打印序列：

期望的输出

>X2JE30_DROME/180-410|X1WIK5_DROME/68-211
......AEGYPVDLYYLMDLSKSM...E..DDKAK..LST....LG.D......K....L.........
>X2dhs0_ECHGR/183-490|X1WIK5_ECHGR/68-211
.......AEGYPVDLYYLMDLSKSM...E..DDKAK..LST....LG.D......K....L........

我已经尝试了以下代码：

awk '                               
match($0,/_=[A-Z]+/){              
  val=substr($0,RSTART,RLENGTH)    
  if(gsub(val,"&")==2){            
    print                           
    found=1                         
  }
  val=""                            
  next                              
}
found{                              
  found=""                          
  print                            
}
' test.fasta

代码返回没有值。

【问题讨论】：

awk 脚本改编自 stackoverflow.com/a/60498903/8133920>。
你有 GNU awk 还是 POSIX awk？
@Quasímodo 同意

标签： shell unix awk

【解决方案1】：

您只需要从第二行的正则表达式中删除等于：

match($0,/_[A-Z]+/){

【讨论】：

【解决方案2】：

使用gawk，您可以：

$ awk -v RS=$'>' '{
                   cnt=patsplit($0, arr, "_[^/]+") 
                   if (cnt==2 && arr[1]==arr[2]) 
                        printf ">%s", $0
                  }' test.fasta

【讨论】：