Question

我正在使用fasta文件，需要为每个标题添加行特定的文本。例如，如果我的文件是：

>TER1
AGCATGCTAGCTAGTCGACTCGATCGCATGCTC
>TER2
AGCATGCTAGCTAGACGACTCGATCGCATGCTC
>URC1
AGCATGCTAGCTAGTCGACTCGATCGCATGCTC
>URC2
AGCATGCTACCTAGTCGACTCGATCGCATGCTC
>UCR3
AGCATGCTAGCTAGTCGACTCGATGGCATGCTC

我想要一个读取每一行的while循环;对于那些开头为>的人，我想在|population:之后附加>加上前三个字符。第一行是：

>TER1|population:TER

等

我无法弄清楚如何使这项工作。到目前为止，这是我最好的尝试。

filename="testfasta.fa"
while read -r line 
do 
    if [[ "$line" == ">"* ]]; then
        id=$(cut -c2-4<<<"$line")
        printf $line"|population:"$id"\n" >>outfile
    else
        printf $line"\n">>outfile
    fi
done <"$filename"

这会生成一个文件，其中包含原始标题，并且每行都在一行上。谁能告诉我哪里出错了？我的if和else循环根本不起作用！谢谢！

Answer 1

如果你真的想要可以使用while循环，但是sed会更简单：

sed -e 's/^>\(...\).*/&|population:\1/' "$filename"

也就是说，对于以>开头的行（模式：^>），捕获接下来的3个字符（$...$），并匹配行的其余部分（.*），替换为原来的行（&），和固定字符串|population:，最后捕获了3个字符（\1）。

这将产生您的输入：

>TER1|population:TER

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC

>TER2|population:TER

AGCATGCTAGCTAGACGACTCGATCGCATGCTC

>URC1|population:URC

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC

>URC2|population:URC

AGCATGCTACCTAGTCGACTCGATCGCATGCTC

>UCR3|population:UCR

AGCATGCTAGCTAGTCGACTCGATGGCATGCTC

或者您可以使用此awk，也可以生成相同的输出：

awk '{sub(/^>.*/, $0 "|population:" substr($0, 2, 3))}1' "$filename"

Answer 2

您可以在awk：

中快速完成此操作

awk '$1~/^>/{$1=$1"|population:"substr($1,2,3)}{}1' infile.txt > outfile.txt

$ awk '$1~/^>/{$1=$1"|population:"substr($1,2,3)}{}1' testfile
>TER1|population:TER

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC

>TER2|population:TER

AGCATGCTAGCTAGACGACTCGATCGCATGCTC

>URC1|population:URC

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC

>URC2|population:URC

AGCATGCTACCTAGTCGACTCGATCGCATGCTC

>UCR3|population:UCR

AGCATGCTAGCTAGTCGACTCGATGGCATGCTC

这里awk会：

测试记录是否以>开头$1查看第一个字段，但在这种情况下，整个记录的$0也可以正常工作。 ~将执行正则表达式测试，^>表示＆＃34;从>＆＃34;开始。进行测试：（$1~/^>/）
如果是这样，它会将第一个字段设置为您要查找的输出（使用substr（）来获取所需字符串的位。{$1=$1"|population:"substr($1,2,3)}
最后，它会打印出整个记录（如果适用，可以更改）：{}1这是{print $0}的简写或打印整个记录。

使用while循环和if / else语句替换fasta文件中的一些行和附加文本

2 个答案: