使用第一行的一部分重命名FASTA文件

时间:2016-10-26 17:18:48

标签: bash fasta

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。

1 个答案:

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

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。