特定の要素を持つ行のみを抽出したい

Question

前提・実現したいこと

以下のような、ファイルから、指定した特定の要素（gene_name）をもつ行だけを抽出して保存したいです。

$ head -3 fantom_cat_stringent_kd.gtf| sort -f -k 6 -t ";" |awk -F\" '{print $0}'| less

chr8    FANTOM  gene    144623796       144624570       .       +       .       gene_id "ENSG00000254144.2"; geneSuperClass "all_lncRNA";  geneClass "lncRNA_divergent";  geneSubClass "divergent_promoters"; gene_type "antisense"; gene_name "7SK"; coding_status "nonCoding"; cumulative_support "FANTOM:GENCODE"; geneCategory "p_lncRNA_divergent"; DHS_type "DHS_promoter";
chr21   FANTOM  gene    26473444        26475653        .       +       .       gene_id "ENSG00000232512.2"; geneSuperClass "all_lncRNA";  geneClass "lncRNA_intergenic";  geneSubClass "far_from_coding_genes"; gene_type "lincRNA"; gene_name "7SK"; coding_status "nonCoding"; cumulative_support "GENCODE:HUBDMAP"; geneCategory "__na"; DHS_type "not_DHS";
chr19   FANTOM  gene    58856544        58864858        .       -       .       gene_id "ENSG00000121410.7"; geneSuperClass "all_mRNA";  geneClass "coding_mRNA";  geneSubClass "protein_coding"; gene_type "protein_coding"; gene_name "A1BG"; coding_status "coding"; cumulative_support "FANTOM:GENCODE"; geneCategory "coding_mRNA"; DHS_type "DHS_promoter";

抽出したい要素のリストを、例えば以下のように用意した時の方法をご教授いただけると幸いです。

$ cat gene_list.txt
EXOC1
NOC2L
BCKDK
NPEPPS
SNX5
DNAJC30
CCR2
AP2A1
LIPA
PNKP

試したこと

grep -fを用いてやってみたのですが検索元、クエリ共に行数が多いために時間がかかることなどから他の方法があれば、教えていただきたいです。

$ grep -f gene_list.txt fantom_cat_stringent_kd.gtf

Answer 1

試してないけど、こんな感じで行ける筈。

perl -F"\t" -ane '$F[8]=~/gene_name/ and print' fantom_cat_stringent_kd.gtf

抽出したい要素のリストを、例えば以下のように用意した時の方法

perl -F"\t" -ane '$F[8]=~/gene_name/ and print' fantom_cat_stringent_kd.gtf |egrep -f <(sed 's/^/gene_name "/; s/$/"/' gene_list.txt) - 

Comments

[shotaroh]

ご回答ありがとうございます。

Answer 2

grep -fで済むなら、それ以上速い方法は無いと思います。

Comments

[otn]

grep -F -f の方が多少速いかも。あまり変わらないかも。

[shotaroh]

ご回答ありがとうございます。