我有两个包含生物DNA序列数据的文件。这些文件中的每一个都是python脚本的输出，该脚本基于序列开始处的DNA条形码将每个DNA序列分配给样品ID。其中一个.txt文件的输出如下所示：
>S066_1 IGJRWKL02G0QZG orig_bc=ACACGTGTCGC new_bc=ACACGTGTCGC bc_diffs=0
TTAAGTTCAGCGGGTATCCCTACCTGATCCGAGGTCAACCGTGAGAAGTTGAGGTTATGGCAAGCATCCATAAGAACCCTATAGCGAGAATAATTACTACGCTTAGAGCCAGATGGCACCGCCACTGATTTTAGGGGCCGCTGAATAGCGAGCTCCAAGACCCCTTGCGGGATTGGTCAAAATAGACGCTCGAACAGGCATGCCCCTCGGAATACCAAGGGGCGCAATGTGCGTCCAAAGATTCGATGATTCACTGAATTCTGCAATTCACATTACTTATCGCATTTCGCAGCGTTCTTCATCGATGACGAGTCTAG
>S045_2 IGJRWKL02H5XHD orig_bc=ATCTGACGTCA new_bc=ATCTGACGTCA bc_diffs=0
CTAAGTTCAGCGGGTAGTCTTGTCTGATATCAGGTCCAATTGAGATACCACCGACAATCATTCGATCATCAACGATACAGAATTTCCCAAATAAATCTCTCTACGCAACTAAATGCAGCGTCTCCGTACATCGCGAAATACCCTACTAAACAACGATCCACAGCTCAAACCGACAACCTCCAGTACACCTCAAGGCACACAGGGGATAGG
第一行是序列ID，DNA序列中的第二行。 ID的第一部分中的S_066表示序列来自样本066，而_1表示它是文件中的第一个序列（不是S_066本身的第一个序列）。由于使用的DNA测序技术的细微差别，我需要从原始测序文件生成这样的两个文件，结果是输出，其中我有两个这样的文件，然后我使用cat来合并在一起。到目前为止一切都很好。
我的工作流程中的下一个下游步骤不允许相同的样本名称。现在它得到了一半，错误和关闭，因为它遇到了一些相同的序列ID。因此，必须是两个文件中的第400个序列属于同一样本或其他东西，生成相同的样本ID（即两个文件可能都有S066_400）。
我想要做的是使用一些代码在_之后立即插入第二个文件中每隔一行的一个数字（1000 ,, 4971，无论如何），从第一行开始。通过这种方式，ID将不再混淆，我可以继续。因此，它会涵盖S066_2到S066_24971或S066_49712。部分问题在于ID的长度可能是变化的，因此它可以以S066_或49BBT1_开头。
答案 0 :(得分：1)
尝试：
awk '/^\>/ {$1=$1 "_13"} {print $0}' filename > tmp.tmp
mv tmp.tmp filename