如何将子字符串添加到某些（不是全部）fasta 标头答案

【问题标题】：How to add substring to some (not all) fasta headers如何将子字符串添加到某些（不是全部）fasta 标头
【发布时间】：2021-01-27 06:38:47
【问题描述】：

我有一个如下所示的 fasta 文件：

>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p 
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p 
AATTGCACTGATCCCGGCCTGC
>LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p 
CCGTAAGGCCGAAGACAAGAA
>LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p 
AAGAATAAGCCCGAGCAAGTCGAT

我想更改标题，使它们看起来像这样：

>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p 
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p 
AATTGCACTGATCCCGGCCTGC
>miR-LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p 
CCGTAAGGCCGAAGACAAGAA
>miR-LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p 
AAGAATAAGCCCGAGCAAGTCGAT

请注意，并非所有标题都发生了变化，只是示例中的最后 2 个，其中添加了单词“miRs”。到目前为止，我一直在这样做： perl -p -e "s/^>/>miR-/g" seq.fasta 但这最终会导致一些 ID 添加了 miR-，即使他们已经拥有它。

我知道我可以对文件进行子集化并将其应用于仅在开头缺少 miR- 的文件，然后重新合并，但我想找到一种更简单的方法来在一行中完成此操作，而无需太多人工干预。

【问题讨论】：

标签： shell perl awk sed fasta

【解决方案1】：

使用awk可以获得没有miR的记录：

awk '$0 !~ /miR-/ && $0 ~ /^>/'  file
>LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p
>LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p

然后将miR 仅放在这些记录中：

awk '$0 !~ /miR-/ && $0 ~ /^>/ {gsub(/^>/, ">miR-")} 1' file
>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p
AATTGCACTGATCCCGGCCTGC
>miR-LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p
CCGTAAGGCCGAAGACAAGAA
>miR-LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p
AAGAATAAGCCCGAGCAAGTCGA

【讨论】：

【解决方案2】：

你也可以用sed说：

sed -E "s/^>(miR-)?/>miR-/" seq.fasta

【讨论】：

【解决方案3】：

您可以负前瞻以仅匹配以> 开头但后面不跟miR- 的行。注意单引号。

perl -p -e 's/^>(?!miR-)/>miR-/g' file

【讨论】：