Question

我正在尝试在法斯塔的序列部分中将所有不是C，T，A或G的字符替换为N文件-即每2行

我认为我需要awk和tr的某种组合...

要打印每隔一行：

awk '{if (NR % 2 == 0) print $0}' myfile

将这些字符替换为N

tr YRHIQ- N

...但是我不知道如何将它们组合在一起，以使字符替换仅出现在第二行，但它却打印出每一行

这是我所拥有的东西

>SEQUENCE_1
AGCYGTQA-TGCTG
>SEQUENCE_2
AGGYGTQA-TGCTC

我希望它看起来像这样：

>SEQUENCE_1
AGCNGTNANTGCTG
>SEQUENCE_2
AGGNGTNANTGCTC

但不是这样：

>SENUENCE_1
AGCNGTNANTGCTG
>SENUENCE_2
AGGNGTNANTGCTC

Answer 1

由于@kvantour对fasta文件的解释，这是另一种sed解决方案，它比旧解决方案更适合您的任务：

sed '/^>/! s/[^ACTG]/N/g' file.fasta

/^>/!：：如果此行不是以>开头，请执行以下操作，
s/[^ACTG]/N/g ：将ACTG以外的所有字符替换为N。

Answer 2

您遇到的问题很容易回答，但是当您处理常规fasta文件时不会有帮助。 Fasta文件具有序列标头，后跟一行或多行，可以将其连接起来以表示序列。 Fasta文件格式大致遵循以下规则：

以字符（>开头的描述行（defline）或标头/标识符行，给出了序列的名称和/或唯一标识符，并且还可能包含其他内容信息。

在描述行之后是标准的单字母字符串中的实际序列本身。除有效字符外的任何其他字符（包括空格，制表符，星号等）都将被忽略。

序列可以跨越多行。

通常通过在两个后续序列之间留空行来将多个单个序列FASTA文件连接到一个公共文件中，从而获得多序列FASTA格式。

要回答OP的问题，如果只想处理第二行，则要执行以下操作：

awk '!(NR%2){gsub(/[^CTAG]/, "N")}1' file.fasta

但是，在以下任何一种情况下，此方法都将失败：

具有多行序列的fasta文件
multi-fasta文件，后续序列之间可能有空白行

更好的方法是排除标题行并处理所有其他行：

awk '!/^>/{gsub(/[^CTAG]/, "N")}1' file.fasta

Answer 3

这是awk

的一种解决方案

awk 'NR%2 ==0{gsub(/[^CTAG]/, "N")}1' file

结果

SEQUENCE_1
AGCNGTNANTGCTG
SEQUENCE_2
AGGNGTNANTGCTC

说明正如OP所希望的，我只想查找每条偶数行以应用更改，方法为 NR/2 == 0

NR是到目前为止file

读取的记录数（行）。

和gsub(/[^CTAG]/, "N")替换为不是'C'，'T'，'A'，'G'的所有字符

[^CTAG] ^是否定

和awk过去了 expression action格式

这里expression是NR/2==0，并且该操作是将N以外的gsub字符替换为CTAG

有没有一种方法可以替换某些字符的所有出现，但只能替换每第n行？

3 个答案: