refactorred reject file

reject.txt

-[0-9/\.\-]+
+### only symbols
+[ -@]+
+
+
+### countries
+Argentina
+Bulgaria
+China
+Japan
+Mali
+Namibia
+niger
+Panama
+Tanzania
+Togo
+Tonga
+turkey
+
+
+### Common English words
+A
+AD
+AH
+Album
+all
+ALL
+AM
+AND
+AT
+BAG
+bear
+Camera
+Cancer
+Car
+cat
+collection
+Data
+fish
+flag
+Gas
+Hero
+Hi
+HI
+I
+Idea
+IE
+Lap
+Major
+man
+ME
+MR
+MS
+name
+none
+OR
+other
+permit
+PM
+red
+root
+Sea
+Ship
+spot
+TeSt
+This
+unknown
+white
+
+
+### Excluded nodes
+
+# root
 ncbi:1
-Be	ncbi:1587
-Bd	ncbi:1613
-unclassified bacterium	ncbi:2338
-unidentified bacteria	ncbi:2338
-unidentified bacterium	ncbi:2338
-unknown bacteria	ncbi:2338
+
+# transposons
 ncbi:2387
+
+# insertion sequences
 ncbi:2673
-unidentified proteobacterium	ncbi:2722
-unknown proteobacterium	ncbi:2722
-rape	ncbi:3708
-Glycine	ncbi:3846
-rays	ncbi:7858
-A hybrid	ncbi:8307
-monitors	ncbi:8555
-Ara	ncbi:9225
-euro	ncbi:9319
-man	ncbi:9606
-bear	ncbi:9632
-bears	ncbi:9632
-cat	ncbi:9685
-pig	ncbi:9823
-Axis	ncbi:9855
-Vira	ncbi:10239
-unidentified poxvirus	ncbi:10283
-unidentified entomopoxvirus	ncbi:10291
-ASFV	ncbi:10497
-degu	ncbi:10160
-LGT	ncbi:11085
-LI	ncbi:11086
-PVA	ncbi:12215
-GA-1	ncbi:12345
-other sequences	ncbi:28384
-29278
-Spea	ncbi:30316
-A glycine	ncbi:307491
+
+# other sequences
+ncbi:28384
+
+# expression vectors
+ncbi:29278
+
+# synthetic construct
 ncbi:32630
+
+# unidentified
 ncbi:32644
-flag	ncbi:34205
-plasmids	ncbi:36549
-hybrid	ncbi:37965
-bacteriophage	ncbi:38018
-bacteriophages	ncbi:38018
-unidentified bacteriophage	ncbi:38018
-unidentified phage	ncbi:38018
-mum	ncbi:41568
-Arca	ncbi:44596
+
+# plasmids
+ncbi:36549
+
+# hybrid
+ncbi:37965
+
+# cloning vector
 ncbi:45196
-ncbi:45197
-4ncbi:5328
-Thymus	ncbi:49990
-ncbi:52958
-Bacillus	ncbi:55087
-ncbi:187	ncbi:55511
-name	ncbi:55581
-spot	ncbi:59837
-Laser	ncbi:62990
-Idea	ncbi:76236
-Codon	ncbi:79338
-expression vector	ncbi:81076
-unidentified expression vector	ncbi:81076
-Dina	ncbi:83994
-gag	ncbi:103820
-Later	ncbi:123504
-Ada	ncbi:125078
-Side	ncbi:145724
-Aa	ncbi:152839
-tipa	ncbi:162890
-This	ncbi:169495
-aka	ncbi:172644
-permit	ncbi:173331
-Car	ncbi:201850
-Mene	ncbi:206144
-Pero	ncbi:214303
-3A	ncbi:215167
-Luria	ncbi:218032
-Iso	ncbi:238707
-Cis	ncbi:245896
-ray	ncbi:255564
-Pera	ncbi:256812
-Mops	ncbi:258862
-Bias	ncbi:272805
-Sige	ncbi:328602
-Span	ncbi:333408
-California	ncbi:337343
-teta	ncbi:338092
-Circe	ncbi:345438
-Tasa	ncbi:381831
-Nusa	ncbi:468772
-A bacterium	ncbi:494443
--->	ncbi:545367
+
+# shuttle vector
+shuttle vector
+
+# expression vector
+ncbi:81076
+
+# human gut metagenome
+ncbi:408170
+
+
+### Excluded synonyms
+unidentified proteobacterium
+unknown proteobacterium
+rape
+Glycine
+ray
+rays
+BD
+monitors
+Ara
+euro
+bears
+pig
+Axis
+Vira
+unidentified poxvirus
+unidentified entomopoxvirus
+ASFV
+degu
+LGT
+LI
+PVA
+GA-1
+GA 1
+Spea
+bacteriophage
+bacteriophages
+unidentified bacteriophage
+unidentified phage
+mum
+Arca
+Thymus
+phototrophic bacterium
+ncbi:55087	Bacillus
+Laser
+Codon
+Dina
+gag
+Ada
+Aa
+tipa
+aka
+Mene
+Pero
+3A
+3a
+Luria
+Iso
+Cis
+Pera
+Mops
+Bias
+Sige
+California
+teta
+Circe
+Nusa
 [A-Z]\. alpha
 [A-Z]\. beta
 [A-Z]\. gamma
 [A-Z]\. delta
 [A-Z]\. epsilon
 [A-Z]\. group
+[A-Z] complex
+A hybrid
+A glycine
 A group
 A major
 A minor
@@ -109,30 +187,54 @@ A minimum
 S medium
 A mouse
 A flagellum
-S complex
-Asp
 Beta
 Helix
 rat
 Tor
-Bio	ncbi:463801
-Chen	ncbi:8842
-Color	ncbi:8869
-Dialysis	ncbi:124307
-Ideas	ncbi:76236
-Indicator	ncbi:189528
-Phyla	ncbi:86858
-163164
-374463
+Chen
+Dialysis
+Ideas
+Indicator
+Phyla
 tetra
-408170
-Delta	ncbi:998453
-is	ncbi:159382
-Are	ncbi:695398
-Electron	ncbi:1118549
+Tetra
+Delta
+Electron
 environmental samples
-E	ncbi:178505
-AND	ncbi:1481724
-clinical samples	ncbi:88229
-clinical samples	ncbi:191496
-clinical samples	ncbi:226901
+clinical samples
+
+
+### Obsolete
+# Be	ncbi:1587
+# Bd	ncbi:1613
+# unclassified bacterium	ncbi:2338
+# unidentified bacteria	ncbi:2338
+# unidentified bacterium	ncbi:2338
+# unknown bacteria	ncbi:2338
+# flag	ncbi:34205
+# ncbi:5328
+# 187	ncbi:55511
+# name	ncbi:55581
+# spot	ncbi:59837
+# Laser	ncbi:62990
+# Idea	ncbi:76236
+# Later	ncbi:123504
+# Side	ncbi:145724
+# This	ncbi:169495
+# permit	ncbi:173331
+# Car	ncbi:201850
+# Span	ncbi:333408
+# Tasa	ncbi:381831
+# Nusa	ncbi:468772
+# A bacterium	ncbi:494443
+# -->	ncbi:545367
+# A group
+# Asp
+# Bio	ncbi:463801
+# Color	ncbi:8869
+# 163164
+# 374463
+# is	ncbi:159382
+# Are	ncbi:695398
+# E	ncbi:178505
+# AND	ncbi:1481724