☰

如何将具有多个标头的文件连接成一个

tag-icon • tag-icon text-processing
如何将具有多个标头的文件连接成一个

你能建议我如何结合吗？

a.fasta 具有 10000 个序列，其中包含标头 1, 2, 3, .... 10000 .......................仅包含一个标头，例如

>1
AAATTTTGGGGCCC
>2
ACCCCGGGTTT
..........
>10000
ATGCCCCCCCCCC

输出：

>1
AAATTTTGGGGCCCACCCCGGGTTTATGCCCCCCCCCC

答案1

awk '
    /^>/ { 
        # print the first header
        if (c++ == 0) {print; print ""} 
        next
    } 
    /^$/ {next} 
    {printf "%s", $0} 
    END {print ""}
' a.fasta > b.fasta

b.fasta 的内容

>1

AAATTTTGGGGCCCACCCCGGGTTT..........ATGCCCCCCCCCC

答案2

最简单的方法是只打印第一行，然后打印文件中不包含 i) 任何空格字符（它们与 fasta 文件无关）和 ii) fasta 标题行 ( >) 的所有其他行：

head -n 1 file.fa > newfile.fa; grep -P '^[^> ]+$' >>  newfile.fa

打印第一行，并且 grep 正则表达式从行的开头 ( ) 到结尾 ( )head查找仅包含非字符>和非空格字符 ( ) 的所有行。[^> ]^$

但是，这将产生如下文件：

>1
AAATTTTGGGGCCC
ACCCCGGGTTT
ATGCCCCCCCCCC

要将整个序列放在同一行上，请使用以下命令：

head -n 1 file.fa > newfile.fa; grep -P '^[^> ]+$' | tr -d '\n'>>  newfile.fa;

然后，您可以使用以下命令在文件末尾添加额外的换行符

echo "" >> newfile.fa

但是，如果您要使用此类文件，我建议您将这两个脚本保存在 $PATH 中的文件中（$HOME/bin例如）并使它们可执行（chmod a+x $HOME/bin/scriptname）：

快速转Tbl

该脚本获取一个 fasta 文件并将其更改为 tbl 格式（fasta 标头、制表符和序列，全部在一行上）：

#! /bin/sh
gawk '{
        if (substr($1,1,1)==">")
        if (NR>1)
                    printf "\n%s\t", substr($0,2,length($0)-1)
        else 
            printf "%s\t", substr($0,2,length($0)-1)
        else 
                printf "%s", $0
}END{printf "\n"}'  "$@"

TblToFasta

这则相反，它接受 tbl 格式的文件并将其转换为正确的 fasta 文件（>标题和每行 60 个字符）：

#! /bin/sh

gawk '{
  sequence=$NF

  ls = length(sequence)
  is = 1
  fld  = 1

# if (fld == 1){printf ">"}
  
  while (fld < NF)
  {
     if (fld == 1){printf ">"}
     printf "%s " , $fld
    
     if (fld == NF-1)
      {
        printf "\n"
      }
      fld = fld+1
  }
  
  while (is <= ls)
  {
    printf "%s\n", substr(sequence,is,60)
    is=is+60
  }
}' "$@"

现在，如果您有这些可用的脚本，您只需运行以下命令就可以完成您所要求的操作：

$ head -n 1 file.fa; FastaToTbl file.fa | awk -F"\t" '{print $2}'
>1
AAATTTTGGGGCCC
ACCCCGGGTTT..........
ATGCCCCCCCCCC

或者，要获取正确的 fasta 文件：

 $ head -n 1 file.fa > newfile; FastaToTbl file.fa | 
    awk -F"\t" '{printf "%s", $2}' | TblToFasta >> newfile

其产生：

>1
AAATTTTGGGGCCCACCCCGGGTTT..........ATGCCCCCCCCCC

答案3

{ echo '>1'; tr -dc '[:alpha:]'; } <infile >outfile

您不需要从文件中获取第一行 - 只需echo获取标题即可。如果您删除除字母字符之外的所有内容，那么您就会自动获得您想要的内容。

相关内容