有一个 ecoli.ffn
文件,其中的行指示测序基因的名称:
$head ecoli.ffn
>ecoli16:g027092:GCF_000460315:gi|545267691|ref|NZ_KE701669.1|:551259-572036
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT
>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC
如上图,基因名在第1和第2冒号之间:
g027092
g000011
g000012
我想使用 ecoli.ffn
生成三个文件:g027092.txt
、g000011.txt
、g000012。 txt
,包含每条测序数据。
例如,g027092.txt
将包含原始数据但没有 header :
$cat g027092.txt
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT
如何制作?
最佳答案
awk
助您一臂之力!
$ awk -F: -v RS=">" 'NR==FNR{n=split($0,t,"\n");
for(i=1;i<n;i++) a[t[i]];
next}
$2 in a{file=$2".txt";
sub(/[^\n]+\n/,"");
print > file}' index file
$ head g*.txt
==> g000011.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT
==> g000012.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC
==> g027092.txt <==
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT
解释
NR==FNR{n=sp...
block parses the first file and creates a lookup table
$2 in a{file=$2".txt";
if the current record is in the lookup table, set a file name using the key and txt extension
sub(/[^\n]+\n/,"")
delete the header line
print > file
and print to the specified filename.
关于python - 将每个测序数据提取为单独的文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36778770/