Question

我想使用第一行的一些信息重命名一些基因组FASTA文件，但我无法弄明白。

这是一个例子，两个文件：

GCA_000007365.1_ASM736v1_genomic.fna：

>AE013218.1 Buchnera aphidicola str. Sg (Schizaphis graminum), complete genome
ATGTCAAAGTCGTATTTAAAAAATTTTGATGTTATTGTTATTGGTGGAGGGCATGCTGGCACTGAAGCTGCAGCAGCCTC
TGCAAGAGTAGGTTGTAAAACATTATTATTAACTCAAAAAATAACTGATATAGGTGTATTATCTTGCAATCCTGCTATCG

GCA_000012065.2_ASM1206v2_genomic.fna：

>CP000048.1 Borrelia hermsii DAH, complete genome
TACCACTACACTTATTAATAATACATACTCACGCCTGGGGGGAAAAATTCAATAATGGAAACCTTACAAATATAAAACCA
CTACAAATAGGTATTATTCAGCATAATTATATAAATTTAACTCCTTATAATCAACATTATAAATATTACGCTTTCATTGG

我想用FASTA文件中第一行的信息重命名一千个*.fna文件，给出：

Buchnera_aphidicola_AE013218.1.fna
Borrelia_hermsii_CP000048.1.fna

FASTA标题保持不变。只是文件名。

Answer 1

您可以循环遍历所有.fna个文件，提取单词，使用awk重新排列它们并将它们放入mv命令中，如下所示：

for fname in *.fna; do
    mv -- "$fname" \
    "$(awk 'NR==1{printf("%s_%s_%s\n",$2,$3,substr($1,2));exit}' "$fname")".fna
done

在echo命令之前添加mv以查看其输出结果

mv -- GCA_000007365.1_ASM736v1_genomic.fna Buchnera_aphidicola_AE013218.1.fna
mv -- GCA_000012065.2_ASM1206v2_genomic.fna Borrelia_hermsii_CP000048.1.fna

--是为了确保以连字符开头的文件名不被解释为mv的选项。¹

这是命令替换中的awk命令，更清晰：

NR == 1 {
    printf("%s_%s_%s\n", $2, $3, substr($1, 2))
    exit
}

printf的格式化字符串重新排列前三个单词; substr从第一个单词中删除前导>。 exit阻止正在处理的文件的其余部分;它不会改变结果，但会减慢速度。

¹更具便携性mv "./$fname" "./$( ... )";据我所知，--是一个GNU主义。

使用第一行的一部分重命名FASTA文件

1 个答案: