Question

我从NCBI下载了多个fasta文件，并想用标题的一部分重命名它们：

标题示例：>KY705281.1 Streptococcus phage P7955, complete genome
文件名示例：KY705281.fasta

我们的想法是摆脱'KY705281.1'和'complete genome'以便仅保留链球菌噬菌体P7955

例如，一个输入文件将是：

>KY705281.1 Streptococcus phage P7955, complete genome
AGAAAGAAAAGACGGCTCATTTGTGGGTTGTCTTTTTTTGATTAAGTAATGAAGGAGGTGGATGTATTGG GCTAAATCAACGACAAAAACGATTTGCAGACGAATATTTGATATCTGGTGTCGCTTACAATGCAGCTATC AAAGCTGGGTATTCTGAGAAATACGCTAGAGCAAGAAGTCATACCTTGTTGGAAAATGTCGGCAT

将其内容重命名为KY705281.fasta

>Streptococcus phage P7955 
AGAAAGAAAAGACGGCTCATTTGTGGGTTGTCTTTTTTTGATTAAGTAATGAAGGAGGTGGATGTATTGG GCTAAATCAACGACAAAAACGATTTGCAGACGAATATTTGATATCTGGTGTCGCTTACAATGCAGCTATC AAAGCTGGGTATTCTGAGAAATACGCTAGAGCAAGAAGTCATACCTTGTTGGAAAATGTCGGCAT

我是Linux的新手，但是以某种方式通过Google搜索，我知道可以使用一些awk / sed / grep命令轻松完成此操作。
任何建议将不胜感激

Answer 1

一种方法可能是：

awk -F, 'FNR==1{match($1, "^>([^.]+)[^ ]+ (.*)", oFv); $1= ">" oFv[2]; sub(/ *complete genome */, "", $2);}{printf $0>oFv[1] ".fasta"}' somefiles*

这将保留旧文件并写入相应的新文件。
同样，这假设输入文件只有一行，就像您给的那样。

如果您想重命名旧文件并更改其内容，
考虑到您的系统和bash，我也认为是GNU awk和GNU sed，
请备份您的文件，然后尝试以下操作：

#!/usr/bin/bash
for file in somefiles*; do
    nn="$(awk -F[\>.] '{printf $2 ".fasta";exit}' "file")"
    sed -ri '1{s/^[^ ]* />/;s/, complete genome//;}' "file"
    if [ ! -f "$nn"];
    then
        mv "file" "nn"
    else
        echo "'$nn' exists, skip '$file', its content already changed." | tee _err_.log
    fi
done

或作为一个班轮：

for file in somefiles*; do nn="$(awk -F[\>.] '{printf $2 ".fasta";exit}' "$file")"; sed -ri '1{s/^[^ ]* />/;s/, complete genome//;}' "$file"; if [ ! -f "$nn" ]; then mv "$file" "$nn"; else echo "'$nn' exists, skip '$file', its content already changed." | tee _err_.log; fi; done

使用Fasta标头重命名文件

1 个答案: