linux - 如何缩短 fasta 文件中的 header ？

Question

我有一个如下所示的文件:

>Gene.10::S0008.1::g.10::m.10 Gene.10::S0008.1::g.10  ORF type:complete len:250 (-),score=22.42 S_0008.1:286-1035(-)
MKGDDFNIITAPVPINRIWWYSLTNRQRIALVFYMSFYVAGTLTNTASMFIDKFYIYIMR
LESLQMGSADPIDYKYLLEVQIVRGFWREDVHEVVDKVFRGKSIGYIKTNLMIPVEIWNN
CQVRSFRGIPCHSVAIICLIFGMLILYYHCTTVALFRTFMILNANLAAILLFIAMSMEYS
AAVEYDYCVNSVFMNRKTGGKAFVRGRYYNRTLEASGSTFKLMMVGDILFFCPMIGLGCY
LLFCNRENL* 
>Gene.11::S0009.1::g.10::m.11 Gene.11::S0009.1::g.10  ORF type:complete len:250 (-),score=22.42 S_0008.1:286-1035(-)
QSAISNDEELNKIMDA
....

我想删除标题中第一个空格之后的所有内容。我怎样才能在Linux中轻松地做到这一点？

结果文件:

>Gene.10::S0008.1::g.10::m.10 
MKGDDFNIITAPVPINRIWWYSLTNRQRIALVFYMSFYVAGTLTNTASMFIDKFYIYIMR
LESLQMGSADPIDYKYLLEVQIVRGFWREDVHEVVDKVFRGKSIGYIKTNLMIPVEIWNN
CQVRSFRGIPCHSVAIICLIFGMLILYYHCTTVALFRTFMILNANLAAILLFIAMSMEYS
AAVEYDYCVNSVFMNRKTGGKAFVRGRYYNRTLEASGSTFKLMMVGDILFFCPMIGLGCY
LLFCNRENL* 
>Gene.11::S0009.1::g.10::m.11 
QSAISNDEELNKIMDA

Answer 1

我会使用 sed:

sed '/^>/s/^>\([^ ]*\) .*/>\1 /'

如果一行以 > 开头，则删除第一个空格之后的所有内容。以下内容:

echo '>Gene.10::S0008.1::g.10::m.10 Gene.10::S0008.1::g.10  ORF type:complete len:250 (-),score=22.42 Sxl_rink_0008.1:286-1035(-)
MKGDDFNIITAPVPINRIWWYSLTNRQRIALVFYMSFYVAGTLTNTASMFIDKFYIYIMR
LESLQMGSADPIDYKYLLEVQIVRGFWREDVHEVVDKVFRGKSIGYIKTNLMIPVEIWNN
CQVRSFRGIPCHSVAIICLIFGMLILYYHCTTVALFRTFMILNANLAAILLFIAMSMEYS
AAVEYDYCVNSVFMNRKTGGKAFVRGRYYNRTLEASGSTFKLMMVGDILFFCPMIGLGCY
LLFCNRENL* 
>Gene.11::S0009.1::g.10::m.11 Gene.11::S0009.1::g.10  ORF type:complete len:250 (-),score=22.42 Sxl_rink_0008.1:286-1035(-)
QSAISNDEELNKIMDA' |  sed '/^>/s/^>\([^ ]*\) .*/>\1 /'

输出:

>Gene.10::S0008.1::g.10::m.10 
MKGDDFNIITAPVPINRIWWYSLTNRQRIALVFYMSFYVAGTLTNTASMFIDKFYIYIMR
LESLQMGSADPIDYKYLLEVQIVRGFWREDVHEVVDKVFRGKSIGYIKTNLMIPVEIWNN
CQVRSFRGIPCHSVAIICLIFGMLILYYHCTTVALFRTFMILNANLAAILLFIAMSMEYS
AAVEYDYCVNSVFMNRKTGGKAFVRGRYYNRTLEASGSTFKLMMVGDILFFCPMIGLGCY
LLFCNRENL* 
>Gene.11::S0009.1::g.10::m.11 
QSAISNDEELNKIMDA

我不知道标题后留下的一个空格是否相关，但我留下了它。

如果在那些长行字符中任何地方都没有空格，您可以删除所有内容，直到第一个空格被剪切:

cut -d' ' -f1

这将删除第一个空格之后的所有字符(包括空格，不知道空格是否相关)。

@edit:由于OP编辑了输入和输出，答案现在删除了第一个空格之前的所有内容，至于删除了第二个空格...