我有一个包含数百个多FASTA文件的目录。
在每个文件头中遵循相同的命名逻辑,例如:
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
其中:
>
是每个报头的开始
Bubo_bubo
是一个物种名称(与FASTA文件的名称相同,此处为:Bubo_bubo.fasta
(
c5_g1_i1
是序列的规范,所有其他字符都是关于特定序列的附加信息
我想做的是在一个特定文件的每个标题中,在物种名称和该文件的其他信息之间添加相同的数字,以获得类似于的东西
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
我希望每个文件的编号不同。你能帮我一下吗?
这有点冗长,但我认为它可以完成任务:
awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}' *
这将:
- 在处理(
BEGIN{}
(之前,将字段分隔符设置为下划线 - 如果变量
filename
不等于我们正在处理的当前文件FILENAME
,则将uniquenumber
变量增加1,并将filename
变量设置为我们正在处理FILENAME
的当前文件名 - 如果该行以
>
(/^>/
(开头 - 然后打印出使用前导0将唯一数字填充到三个字符后的行:(
printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5
( - 重定向输出相同文件名,但后缀为
_updated
(您现在将有一个新的文件进行更改。然后继续到文件中的下一行(> FILENAME"_updated";next
( - 如果你还在这里,那么我们就在正常线路上。只需将其打印到相同的
_updated
文件:{print $0 > FILENAME"_updated"}
- 对目录
*
中的所有文件执行此操作
示例:
~/fasta$ ls
file1 file2 file3
~/fasta$ cat *
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
blah
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
bar
foo
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
whatevfs
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
asd
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
~/fasta$ awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}' file*
~/fasta$ cat *updated
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
blah
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
bar
foo
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
whatevfs
>Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
asd
>Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
以下是使用Perl 的一种方法
输入文件
$ ls -1 Bubo_bubo*fasta
Bubo_bubo.fasta
Bubo_bubo2.fasta
Bubo_bubo3.fasta
Bubo_bubo4.fasta
$ cat Bubo_bubo.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c
$ cat Bubo_bubo2.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f
$ cat Bubo_bubo3.fasta
>Bubo_bubo3_chihoig len=134 path=[174:0-148 24:148-168]
g h i
$ cat Bubo_bubo4.fasta
>Bubo_bubo4_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r
解决方案:
Perl-i将替换所有的文件。
$ perl -i.bak -pe ' if($.==1) { $y=sprintf("%03d",++$x); s/^>((.+?)_(.+?))_/>1_${y}_/ } close(ARGV) if eof ' Bubo_bubo*fasta
输出:
$ cat Bubo_bubo.fasta
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c
$ cat Bubo_bubo2.fasta
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f
$ cat Bubo_bubo3.fasta
>Bubo_bubo3_003_chihoig len=134 path=[174:0-148 24:148-168]
g h i
$ cat Bubo_bubo4.fasta
>Bubo_bubo4_004_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r