我想用 >
替换所有标题(以 >{filename}
开头) , 全部 *.fasta
我的文件 directory
然后将它们连接起来
我的 directory
的内容
speciesA.fasta
speciesB.fasta
speciesC.fasta
文件示例,speciesA.fasta
>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL
我想要的输出(现在仅适用于 speciesA.fasta
):
>speciesA
MJSUNDKFJSKFJSKFJ
>speciesA
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesA
KSDAFJLASDJFKLAJFL
这是我的代码:
for file in *.fasta; do var=$(basename $file .fasta) | sed 's/>.*/>$var/' $var.fasta >>$var.outfile.fasta; done
但我得到的只是
>$var
MJSUNDKFJSKFJSKFJ
>$var
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
[and so on ...]
我哪里做错了??
最佳答案
bash 循环是多余的。尝试:
awk '/^>/{print ">" substr(FILENAME,1,length(FILENAME)-6); next} 1' *.fasta
即使文件名包含特殊字符或正则表达式激活字符,这种方法也是安全的。
工作原理
/^>/{print ">"substr(FILENAME, 1, length(FILENAME)-6);下一步
对于以
> 开始的任何行
,执行花括号中的命令。第一个命令打印>
后跟除了文件名的最后 6 个字母之外的所有字母。第二个命令next
跳过该行的其余命令并跳转到next
行重新开始。1
这是 awk 的 print-the-line 的神秘简写。
例子
让我们考虑一个包含两个(相同的)测试文件的目录:
$ cat speciesA.fasta
>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL
$ cat speciesB.fasta
>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL
我们命令的输出是:
$ awk '/^>/{print ">" substr(FILENAME,1,length(FILENAME)-6); next} 1' *.fasta
>speciesA
MJSUNDKFJSKFJSKFJ
>speciesA
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesA
KSDAFJLASDJFKLAJFL
>speciesB
MJSUNDKFJSKFJSKFJ
>speciesB
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesB
KSDAFJLASDJFKLAJFL
输出具有替换并连接所有输入文件。
关于bash - fasta 文件 : replace header with filename,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44299366/