☰

重命名multifasta文件的标头

tag-icon • tag-icon text-processing awk sed bioinformatics
重命名multifasta文件的标头

我有像这样的多重快速文件

>aaaaa.1_prot_CAA66754.1_10
MEKLLDAYLSSLRLNRRQVSEQTGLNYTTLQRASDKDALMISPRILWGIAMMVDKTPGQVLDELIELEMK
>bbbbb.1_prot_CAA66753.1_11
MMSKQDRINRRRRNIMKDAHRIAKLIVSNVGDYMVAMKLALKTVYAYKAMRKEVSSRGNAVEMHTLPLLD
GYARQQFEPEFVAGIPAWAIKKDFMSSSAQDILYFTIDTKVVKETEKAVEIEFATKNPKEHGYVDHHHTW
VAKSIMAA

我想像这样重命名标题sed或awk

>aaaaa.1_10
MEKLLDAYLSSLRLNRRQVSEQTGLNYTTLQRASDKDALMISPRILWGIAMMVDKTPGQVLDELIELEMK
>bbbbb.1_11
MMSKQDRINRRRRNIMKDAHRIAKLIVSNVGDYMVAMKLALKTVYAYKAMRKEVSSRGNAVEMHTLPLLD
GYARQQFEPEFVAGIPAWAIKKDFMSSSAQDILYFTIDTKVVKETEKAVEIEFATKNPKEHGYVDHHHTW
VAKSIMAA

但我只知道sed一点点，比如

sed 's/.\(.\)$/\1/'

删除每行倒数第二个字母，并保留第一次出现的“-”

答案1

这是一种awk方法：

$ awk '/^>/{sub(/\.[^.]+/,"")}1' file
>aaaaa.1_10
MEKLLDAYLSSLRLNRRQVSEQTGLNYTTLQRASDKDALMISPRILWGIAMMVDKTPGQVLDELIELEMK
>bbbbb.1_11
MMSKQDRINRRRRNIMKDAHRIAKLIVSNVGDYMVAMKLALKTVYAYKAMRKEVSSRGNAVEMHTLPLLD
GYARQQFEPEFVAGIPAWAIKKDFMSSSAQDILYFTIDTKVVKETEKAVEIEFATKNPKEHGYVDHHHTW
VAKSIMAA

这将考虑修改以 a 开头的行>（标题行）。

在这些行中，它将替换模式“以字符开头.并由字符组成的字符串”不是包括.“（表示从第一个字符开始.，直到并排除下一个字符的字符序列.）和“nothing”，从而将其删除。

看似偏离1规则块的内容指示awk打印当前行，包括迄今为止所做的所有可能的修改。

答案2

$ sed 's/_.*_/_/' file
        >aaaaa.1_10
        MEKLLDAYLSSLRLNRRQVSEQTGLNYTTLQRASDKDALMISPRILWGIAMMVDKTPGQVLDELIELEMK
        >bbbbb.1_11
        MMSKQDRINRRRRNIMKDAHRIAKLIVSNVGDYMVAMKLALKTVYAYKAMRKEVSSRGNAVEMHTLPLLD
        GYARQQFEPEFVAGIPAWAIKKDFMSSSAQDILYFTIDTKVVKETEKAVEIEFATKNPKEHGYVDHHHTW
        VAKSIMAA

答案3

假设您要删除标题中从第一个点到第二个点的部分，以下命令将删除从第一个点到第二个点的所有内容，但不包括第二个点：

sed 's/\.[^.]*//' file

或者，删除从第一个点之后到第二个点（包括第二个点）的所有内容：

sed 's/[^.]*\.//2' file

我相信您尝试执行的操作如下，它捕获从最后一个点到末尾的位，然后用捕获的字符串替换第一个点中的整个字符串：

sed 's/\..*\(\..*\)/\1/' file

使用awk并将每行视为一组点分隔的字段，删除每行上以 开头的第二个此类字段>：

awk -F . 'BEGIN { OFS=FS } /^>/ { $0 = $1 OFS $3 }; 1' file

答案4

awk -F "_" '/^>/{$0=$1"_"$NF}1' file

输出

>aaaaa.1_10
MEKLLDAYLSSLRLNRRQVSEQTGLNYTTLQRASDKDALMISPRILWGIAMMVDKTPGQVLDELIELEMK
>bbbbb.1_11
MMSKQDRINRRRRNIMKDAHRIAKLIVSNVGDYMVAMKLALKTVYAYKAMRKEVSSRGNAVEMHTLPLLD
GYARQQFEPEFVAGIPAWAIKKDFMSSSAQDILYFTIDTKVVKETEKAVEIEFATKNPKEHGYVDHHHTW
VAKSIMAA

相关内容