一、 准备环境 确保已安装： 

• bedtools（用于基因组操作） 

• samtools（用于索引基因组文件） 

• grep、awk（文本处理） 

如未安装，运行以下命令：

sudo apt-get update 

sudo apt-get install bedtools samtools 

二、 准备输入文件 

• 基因组文件 genome.fa 

• 注释文件 .gff 

三、 提取 

1.生成索引基因组文件 samtools faidx genome.fa 

2.创建基因位置提取脚本 

注：将脚本以.txt格式上传，extract_promoters.txt 

3.执行脚本

 # 使脚本可执行 

chmod +x extract_promoters.sh 

# 运行脚本 

./extract_promoters.sh 

结果验证： 

# 查看提取的基因数量 

grep -c ">" target_promoters.fa 

# 查看序列长度分布 

grep -v ">" target_promoters.fa | awk '{print length}' | sort | uniq -c 

注意事项 

1.GFF格式适配 如果GFF文件格式不同，可能需要调整基因ID提取部分 

2.使用bedtools提取序列与TBtools提取序列有些差异，比如提取CDS上游2000bp，其中bedtools提取序列为xxx+a，TBtools提取序列为b+xxx，xxx为相同碱基序列，a与b为不同的一个碱基，即bedtools与TBtools提取序列首尾一个碱基不同 

差异原因： 

（1）坐标系统不同（核心原因）：0-based 与 1-based 坐标系统 

（2）对“上游”边界的规定不同 在绝大多数情况下（比如做启动子分析、motif查找），这一个碱基的差异不会影响生物学结论