在多个 FASTA 文件中查找和替换多个序列头

Question

这是我的问题（使用 Mac OS X）：

1. 我有大约 35 个 FASTA 文件，每个文件有 30 个序列。每个 FASTA 文件代表一个基因，它们都包含相同的个体，每个文件中具有相同的序列头。标题格式为“####_G_species”，数字不连续。我需要遍历每个文件并更改 4 个特定的标题，同时将输出保持为 35 个与相应输入文件同名的离散文件，最好将输出存放到单独的子目录中。

   例如：每个文件都包含一个“6934_Sergia_sp”，我需要更改 所有 35 个文件中该名称的每个实例都指向“6934_R_robusta”。我需要对“8324_Sergestes_sp”做同样的事情，将每个文件中的每个实例都更改为“8324_P_vigilax”。用不同的标题冲洗并再重复 2 次。更改标题后，我需要有 35 个与相应输入文件同名的离散输出文件。

2. 到目前为止，我发现似乎最有希望的内容来自以下链接： https://askubuntu.com/questions/84007/find-and-replace-text-within-multiple-files

   使用以下脚本：

     find /home/user/directory -name \*.c -exec sed -i "s/cybernetnews/cybernet/g" {} \;
   

   更改信息以满足我的需要，我得到一个这样的脚本：

   find Path/to/my/directory -name \*.fas -exec sed -i 's/6934_Sergia_sp/6934_R_robusta/g' {} \;
   

   像这样运行脚本，我得到“未定义标签”错误。经过研究， https://www.mkyong.com/mac/sed-command-hits-undefined-label-error-on-mac-os-x/

   我发现我应该在 -i give 之后添加“.fas”：

   find Path/to/my/directory -name \*.fas -exec sed -i '.fas' 's/6934_Sergia_sp/6934_R_robusta/g' {} \;
   

   因为在 Mac 上您需要为输出文件指定扩展名。像这样运行脚本，我得到了几乎我正在寻找的每个输入文件，每个输入文件中的正确标题被正确替换为新名称，并且输出被放置在同一目录中。但是，这一次只替换一个标头，并且输出文件具有 .fas.fas 扩展名。

接下来，我将不得不重命名输出文件以删除扩展名中的第二个“.fas”，然后再重写并重新运行脚本 3 次，以使所有内容都按照我想要的方式改变，这不会是世界末日，但绝对不会是理想的。

是否可以设置一个脚本，以便我可以同时运行所有 4 个替换，同时还将输出导出到新的子目录？

Answer 1

您的方法很好，但我更喜欢更冗长的方法，这样我就不必与引号进行太多斗争。比如：

for fasta in $(find Path/to/my/directory -name "*.fas")
do
    new_fasta=$(basename $fasta .fas).new.fas
    sed 's/6934_Sergia_sp/6934_R_robusta/g; s/Another_substitution/Another_result/' $fasta > $new_fasta
done

在这里，您输入要循环的 FastA 文件列表，计算新的 fasta 名称（和位置，如果需要），最后在输入上运行 sed 并将输出留在新文件中。请注意，您可以在 sed 中进行多个替换，用分号分隔。

顺便说一句，正如@Ed Morton 所说，对于下一个问题，请包含问题的简明描述以及示例输入和预期输出。