我有10个fasta文件（每个文件包含10个样本中每个样本的20个基因序列） . 我想创建20个文件，特定于10个样本的每个基因 . 我按照以下步骤提取 Headers 中带有file_name的基因：
pyfasta extract --header --fasta test.fasta gene_name1 | awk '/^>/ {$0=$0 "_file1"}1' > gene_name1.fasta
我成功地为每个样本的每个基因创建了多个基因fasta文件（来自循环的一部分）：
pyfasta extract --header --fasta $sample.fasta gene_name1 >> gene_name1.fasta
pyfasta extract --header --fasta $sample.fasta gene_name2 >> gene_name2.fasta
但是，我无法将file_name添加到循环中的文件头中（但可以在开头提到的1个文件中执行） .
总的来说，我的目标是从所有fasta文件（多线程）中提取具有相似基因名称的基因，并制作具有更新 Headers 的基因特异性fasta文件，包括基因名称和文件名（以便我知道该基因来自哪个文件）将基因序列附加到具有该基因名称的文件中 . 以下是示例输入和输出文件：
Input files:
#file1.fasta
>gene1
ATGC..............................max upto 120 characters per line
TTTG..............................................................
>gene2
ATGA
>gene3
ATGTTT
#file2.fasta
>gene1
ATGG
>gene2
ATGC
>gene3
ATGTT
Expected output files:
#gene1.fasta
>gene1_file1
ATGC...........................................................
TTTG...........................................................
>gene1_file2
ATGG
#gene2.fasta
>gene2_file1
ATGA
>gene2_file2
ATGC
请指导 . 谢谢 .
1 回答
你的问题不明确，但听起来你只需要：