Question

我有一个需要解析的多FASTA文件，因此Glimmer多提取脚本可以处理它。它由许多contigs组成，每个contigs都有自己的标题，以＆＃34;＆gt;＆＃34;开头。我需要的是将每个标题添加为一个新列，问题是我不太了解linux bash或awk。

>contig-7
orf00002     1741      461 
orf00003     3381     1747 
>Wcontig-7000023
>Wcontig-11112
orf00001      426     2648 
orf00002     2710     4581 
orf00003     4569     5480 
orf00004     6990     6133 
orf00006     9180     7108 
orf00007    10201     9209 
orf00008    11663    10203 
orf00009    12489    11680 
orf00010    13153    12473 
orf00011    14382    13225 
orf00013    14715    15968 
orf00014    19868    16410 
>Wcontig-1674000002
orf00001     2995      637 
orf00002     2497     1166 
orf00003     2984     2529

我需要将每个重叠头标题添加为第一列以及制表符分隔符。

>contig-7
>contig-7   orf00002     1741      461 
>contig-7   orf00003     3381     1747 
>Wcontig-7000023
>Wcontig-11112
>Wcontig-11112  orf00001      426     2648 
>Wcontig-11112  orf00002     2710     4581 
>Wcontig-11112  orf00003     4569     5480 
>Wcontig-11112  orf00004     6990     6133 
>Wcontig-11112  orf00006     9180     7108 
>Wcontig-11112  orf00007    10201     9209 
>Wcontig-11112  orf00008    11663    10203 
>Wcontig-11112  orf00009    12489    11680 
>Wcontig-11112  orf00010    13153    12473 
>Wcontig-11112  orf00011    14382    13225 
>Wcontig-11112  orf00013    14715    15968 
>Wcontig-11112  orf00014    19868    16410 
>Wcontig-1674000002
>Wcontig-1674000002 orf00001     2995      637 
>Wcontig-1674000002 orf00002     2497     1166 
>Wcontig-1674000002 orf00003     2984     2529

此外，在添加新列后，我必须删除所有标题，因此最终会看起来像这样

>contig-7   orf00002     1741      461 
>contig-7   orf00003     3381     1747 
>Wcontig-11112  orf00001      426     2648 
>Wcontig-11112  orf00002     2710     4581 
>Wcontig-11112  orf00003     4569     5480 
>Wcontig-11112  orf00004     6990     6133 
>Wcontig-11112  orf00006     9180     7108 
>Wcontig-11112  orf00007    10201     9209 
>Wcontig-11112  orf00008    11663    10203 
>Wcontig-11112  orf00009    12489    11680 
>Wcontig-11112  orf00010    13153    12473 
>Wcontig-11112  orf00011    14382    13225 
>Wcontig-11112  orf00013    14715    15968 
>Wcontig-11112  orf00014    19868    16410 
>Wcontig-1674000002 orf00001     2995      637 
>Wcontig-1674000002 orf00002     2497     1166 
>Wcontig-1674000002 orf00003     2984     2529

Answer 1

Awk可以非常方便地解决这个问题：

awk '{if($1 ~ /contig/){c=$1}else{print c"\t"$0}}' <yourfile>

在多个FASTA文件上使用AWK以基于重叠头标头添加新列

1 个答案: