首页 文章

根据 Headers 拆分多个fasta文件

提问于
浏览 次
-2

我是生物信息学的初学者，我正在尝试从多个fast-fasta文件创建子多个fasta文件 .

所以我有数百个包含fasta线的hundreads的fasta文件（带有 Headers 的序列） . 我想根据物种名称（ Headers 中的指示）将这个fasta分成不同的新fasta文件 .

我有这样的文件：CL0073reads.fas

>>CL0073reads.fas_ang4836665r
TAGGCAGGCGTGGGGGTTTGT
>CL0073reads.fas_ang4864845r
CCTCTTCGGCCCTCA
>CL0073reads.fas_atl679495r
CAAGGACCGTTAGGGGC
>CL0073reads.fas_alb178305r
GCTGACGGCAACGTTAG

我想：CL0073reads_ang.fas

`>CL0073reads.fas_ang4836665r
TAGGCAGGCGTGGGGGTTTGT
>CL0073reads.fas_ang4864845r
CCTCTTCGGCCCTCA`

CL0073reads_atl.fas

`>CL0073reads.fas_atl679495r
CAAGGACCGTTAGGGGC`

CL0073reads_abl.fas

`>CL0073reads.fas_alb178305r
GCTGACGGCAACGTTAG`

我试图用脚本中的awk执行此操作，以便能够通过 for Fas in ${$(find *.fas)}; do awk script.awk<${Fas} 对我的多个文件执行此操作

我成功将我的序列转换为一行fasta .

我真的很感激帮助

unix awk fasta

2 回答

  • 1

    试试这个：

    find . -name '*.fas' -exec \
awk -F'[>_.]' '
NF>1 {
    close(out)
    out = $NF
    sub(/[0-9].*/,"",out)
    out = $2 "_" out ".out"
}
{ print >> out }
' {} \;

    我为您的输出文件".out"添加了后缀，以便您可以将它们与".fas"输入文件分开 . 改变它以满足您的需求 . 您可以在 find 末尾使用 + 而不是 \; 来一次在多个文件上运行awk，以便在您使用GNU查找时加快速度，但如上所述，上述内容适用于任何POSIX工具 .

    以上使用FS（由-F设置）将以 > 开头的每一行拆分为相关部分，然后重新组合，然后形成该行的输出文件名以及下一行 > 行之后的所有内容 . 然后它只是将每一行打印到当前输出文件名 .

    回复于
  • 1

    这是另一种看法，只使用“种类”作为文件名，因此应聚 Contract 一文件中的所有变体 .

    $ awk '/>/{close(fn); n=split($0,a,"_|[0-9]+"); fn=a[n-1]} {print >> fn}' file


==> alb <==
>CL0073reads.fas_alb178305r
GCTGACGGCAACGTTAG

==> ang <==
>CL0073reads.fas_ang4836665r
TAGGCAGGCGTGGGGGTTTGT
>CL0073reads.fas_ang4864845r
CCTCTTCGGCCCTCA

==> atl <==
>CL0073reads.fas_atl679495r
CAAGGACCGTTAGGGGC

    如果文件按名称排序并检查以前的名称，您可以最小化文件打开/关闭操作，但这更简单...

    回复于

相关问题