过滤非起始密码子终止密码子的序列-linux005

01 背景

根据基因组、转录组获取了一些蛋白序列，但是存在可变剪切的情况，即一些序列并没有起始密码子或者终止密码子，这时候要过滤去掉这些序列。即，过滤可变剪切，保留唯一序列。

02 fliter_non_standard_cds.sh

vi fliter_non_standard_cds.sh   #创建脚本

#!/bin/bashinput_fasta="XXXe.cds"   # 输入文件路径
output_fasta="XXXe.fliter.cds" # 输出文件路径# 定义起始密码子和终止密码子
start_codon="ATG"
stop_codons=("TAA" "TAG" "TGA")# 初始化变量
record=""
header=""
sequence=""# 读取输入FASTA文件并处理
while IFS= read -r line || [[ -n "$line" ]]; doif [[ $line == ">"* ]]; thenif [[ -n "$sequence" ]]; then# 检查序列是否以起始密码子开头并以终止密码子结尾if [[ ${sequence:0:3} == "$start_codon" ]]; thenstop_codon="${sequence: -3}"if [[ " ${stop_codons[*]} " == *" $stop_codon "* ]]; then# 写入有效的CDS到输出文件echo -e "$header\n$sequence" >> "$output_fasta"fififi# 重置变量header=$linesequence=""elsesequence+=$linefi
done < "$input_fasta"# 处理最后一个记录
if [[ -n "$sequence" ]]; thenif [[ ${sequence:0:3} == "$start_codon" ]]; thenstop_codon="${sequence: -3}"if [[ " ${stop_codons[*]} " == *" $stop_codon "* ]]; thenecho -e "$header\n$sequence" >> "$output_fasta"fifi
fi

03 使用

sh fliter_non_standard_cds.sh   #bash运行脚本