将fasta标题重命名为括号内的文本

Question

我有一个包含250个fasta序列的文件。现在，他们看起来像这样：

>NP_041982.1 DNA polymerase [Enterobacteria phage T7]

我想更改标题，使它们看起来像这样：

>Enterobacteria phage T7

对于每个标题，我只想要括号之间的内容。我试图通过linux命令来做到这一点。

任何人都可以帮忙吗？

Answer 1

file.fa内容

>Sequence One [Species 1]
actgtattagctaatcgatcagttacgattcga
tagctacgtacgtacgatcgatcagtcagctag
>Sequence Two [Species 2]
ttgtagctagctagctagctagctagctacgta
tgcatcgatcgattaatatcgcgccctaactcg
>Sequence Three
atgatagtctggtcatcgattcagtcagttcat
ttgcatgatctactagatcgatattagctagat
>Sequence Four [early bracket] text
tagctacgtacgatcgtacgatcgatcgtatat
gctagtcgactagctagctacgtacgtacgtaa

sed命令：

sed 's@^>[^\[]*\[\([^\]*\)]$@>\1@g' file.fa

看起来有点复杂，但这意味着...... 取任何符合“以＆gt;开头的行的模式的字符串，后跟除[之后的任意数量的字符]之后的任意数量的字符，然后是]。捕获括号之间的字符串，并替换整个匹配只是括号中的东西。

打印输出

>Species 1
actgtattagctaatcgatcagttacgattcga
tagctacgtacgtacgatcgatcagtcagctag
>Species 2
ttgtagctagctagctagctagctagctacgta
tgcatcgatcgattaatatcgcgccctaactcg
>Sequence Three
atgatagtctggtcatcgattcagtcagttcat
ttgcatgatctactagatcgatattagctagat
>Sequence Four [early bracket] text
tagctacgtacgatcgtacgatcgatcgtatat
gctagtcgactagctagctacgtacgtacgtaa

可以使用

将输出保存到新文件中

sed 's@^>[^\[]*\[\([^\]*\)]$@>\1@g' file.fa > converted_filename.fa

请注意，没有匹配的任何标题都按原样打印，并且在最终括号后面包含字符的所有行也将按原样打印。如果它遇到未在同一条线上关闭的左括号，可能会行为奇怪。我建议您仔细检查新文件的行数是否与原始文件相同。