Question

我试图遍历特定目录中的每个文件（称为序列），并在每个文件上执行两个函数。我知道函数（'blastp'和'cat'行）可以工作，因为我可以在单个文件上运行它们。通常我会有一个特定的文件名作为查询，输出等，但我正在尝试使用一个变量，因此循环可以处理许多文件。

（免责声明：我是编码的新手。）我相信我在尝试在我的函数中使用我的文件名时遇到了严重的问题。实际上，我的代码将执行，但它会创建一堆额外的非预期文件。这就是我打算让我的脚本做的事情：

第1行：遍历“sequences”目录中的每个文件。（所有这些都以“.fa”结尾，如果这有用的话。）

第3行：将文件名识别为变量。（我知道，我知道，我认为我做错了。）

第4行：使用文件名作为“query”标志的参数运行blastp函数，始终使用“database.faa”作为“db”标志的参数，并将结果输出到新文件中与初始文件具有相同的名称，但最后使用“.txt”。

第5行：将第4行输出文件的部分输出到一个新文件中，该文件与初始文件同名，但最后带有“_top_hits.txt”。

for sequence in ./sequences/{.,}*;
    do
            echo "$sequence";
            blastp -query $sequence -db database.faa -out ${sequence}.txt -evalue 1e-10 -outfmt 7
            cat ${sequence}.txt | awk '/hits found/{getline;print}' | grep -v "#">${sequence}_top_hits.txt
    done

当我运行这段代码时，它给了我六个从目录中的每个文件派生的新文件（它们都在同一个目录中 - 我更喜欢将它们全部放在自己的文件夹中。我怎么能这样做？）。他们都是空的。它们的后缀是“.txt”，“。txt.txt”，“。txt_top_hits.txt”，“_ top_hits.txt”，“_ top_hits.txt.txt”和“_top_hits.txt_top_hits.txt”。

如果我可以提供任何进一步的信息以澄清任何事情，请告诉我。

Answer 1

如果您只对START_STICKY文件感兴趣，我会将您的输入限制为仅限于以下匹配文件：

*.fa

Answer 2

我可以为您提出以下改进建议：

for fasta_file in ./sequences/*.fa # ";" is not necessary if you already have a new line for your "do"
do
    # ${variable%something} is the part of $variable
    # before the string "something"
    # basename path/to/file is the name of the file
    # without the full path
    # $(some command) allows you to use the result of the command as a string
    # Combining the above, we can form a string based on our fasta file
    # This string can be useful to name stuff in a clean manner later
    sequence_name=$(basename ${fasta_file%.fa})
    echo ${sequence_name}
    # Create a directory for the results for this sequence
    # -p option avoids a failure in case the directory already exists
    mkdir -p ${sequence_name}
    # Define the name of the file for the results
    # (including our previously created directory in its path)
    blast_results=${sequence_name}/${sequence_name}_blast.txt
    blastp -query ${fasta_file} -db database.faa \
        -out ${blast_results} \
        -evalue 1e-10 -outfmt 7
    # Define a file name for the top hits
    top_hits=${sequence_name}/${sequence_name}_top_hits.txt
    # alternatively, using "%"
    #top_hits=${blast_results%_blast.txt}_top_hits.txt
    # No need to cat: awk can take a file as argument
    awk '/hits found/{getline;print}' ${blast_results} \
        | grep -v "#" > ${sequence_name}_top_hits.txt
done

我制作了更多的中间变量，（希望）有意义的名字。我使用\来转义行结束并允许将命令放在几行中。我希望这可以提高代码的可读性。

我还没有接受过测试。可能存在拼写错误。

Answer 3

如果只需要以.fa结尾的文件，则应该使用*.fa。此外，如果要将输出重定向到新文件夹，则需要使用

mkdir 'folder_name'

然后，您需要将-o输出重定向到这些文件，例如

'command' -o /path/to/output/folder

为帮助您测试此脚本，可以逐行运行每一行对其进行测试。您需要确保每行在合并之前都能独立工作。

最后一件事，请谨慎使用冒号，它应类似于以下内容：

for filename in *.fa; do 'command'; done

遍历目录中的文件，创建输出文件，linux

3 个答案: