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。
答案 0 :(得分: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。