☰

重命名多个 multifasta 文件的标头

tag-icon • tag-icon bash text-processing awk
重命名多个 multifasta 文件的标头

我有多个 fasta 文件，其名称以P（例如PANS_1_2, PANS_1_5, PANS_200_2, PANS_200_2）开头。

这些文件有这样的标题

>1_1262659_105.258519
>2_809301_107.252177
>3_422941_112.146787
>4_413692_100.238323

我正在尝试将这些文件的标头替换为filename_ctg1.如果输入 fasta 文件是PANS_1_2，则输出文件 (PANS_1_2.fasta) 中的标头应为：

>PANS_1_2_ctg1
>PANS_1_2_ctg2
>PANS_1_2_ctg3

我尝试了以下代码：

for sample in P*;do echo -en $sample;awk '/>.*/{sub(/[^>]*/,">$sample_ctg"++i)}1' $sample;done > $sample.fasta

提到的脚本不会产生所需的输出。

答案1

和awk：

awk 'FNR==1{ close(out); inc=0; fileName=substr(FILENAME,3); out=fileName".fasta" } 
     /^>/{ $0= ">"fileName"_ctg"(++inc) }
     { print > out }' ./P*

FILENAME是一个awk保存当前处理输入文件名的变量；我们将其设置为首先从中fileName乘坐；./文件名中的前缀点斜杠./用于避免像读取此类文件那样命名的文件PANS=1_2出现awk问题字符串作为一个多变的当这些出现在awk代码之后时；

双引号“...”内的所有内容实际上都是字符串；

++inc是预增量算术表达式，用于对每个标头进行编号，并将重置回0对于FNR==1我们使用的下一个输入文件。

它$0代表 中的整行/记录awk，因此我们更新 ( $0= ...) 那些以字符开头的行>，然后使用“>”字符文件名后面跟着_ctg字符串和增量数字。

第三行我们print当前行值是一个文件名，其名称与当前相同文件名阅读者awk并将“.fasta”字符串也附加到其中。

答案2

在 for 循环中使用 GNU sed。

tmp=$(mktemp)
for sample in ./P*; do
  knt=$(grep -c '^>' < "$sample") || continue
  seq -f ">${sample}_ctg%g" "$knt" > "$tmp"
  sed -e "/^>/R $tmp" -e '//d' < "$sample" > "$sample.fasta"
done
  • 获取给定示例文件中的标头数量。
  • 根据上一步中的示例文件名和标头计数构造要添加的标头。
  • 将每个标题行替换为从上一步构建的标题文件中读取的下一行。

相关内容