如何将具有相同名称的fasta文件连接到一个具有不同标题的文件中？答案

【问题标题】：How to concatenate fasta files with identical names into one file with different headers?如何将具有相同名称的fasta文件连接到一个具有不同标题的文件中？
【发布时间】：2019-05-24 23:25:28
【问题描述】：

我的问题更多是关于如何重命名每个 fasta 序列的标题行，因为我知道如何将一堆 fasta 文件连接到一个文件中。问题是，在生成我的文件后，每个文件都有完全相同的标题（被分析的基因的名称）。所以我想做的只是组合序列，而不是保持相同的标题，我想使用文件名作为标题。

例如，我有两个 fasta 文件，第一个是：

Homo_sapien_XYZ_20102.fa

在这个文件里面的顺序是：

>gene_X
ACTGAGGCCAATGAA...

然后是第二个文件：

Homo_sapein_ABC_20102.fa

>gene_X
CCCTGAGTAGAT...

当我连接这些文件时，我最终会得到一个具有不同序列但标题相同的新文件（并且由于我用来生成这些单独序列的脚本的性质，我无法在此步骤之前更改标题名称）。

>gene_X
ACTGAGGCCAATGAA...
>gene_X
CCCTGAGTAGAT...

这将是有问题的，所以我希望使用文件名重写该标题，所以它最终是：

>Homo_sapien_XYZ_20102
ACTGAGGCCAATGAA...
>Homo_sapein_ABC_20102
CCCTGAGTAGAT...

有人知道怎么做吗？我用来创建一个序列文件的代码行很简单：

#!/bin/bash

for files in *_20102.fa
do
    cat ${files} >> geneA_consensus.fa
done

【问题讨论】：

标签： bash fasta consensus

【解决方案1】：

awk 来救援！

$ awk 'FNR==1{print FILENAME; next}1' *_20102.fa > geneA_consensus.fa

不需要循环。

【讨论】：

没有用，它把所有东西都放在一行上，要么合并，要么被最后一个文件覆盖。
如果来自 Windows，您的行尾可能是 \r\n。您可以通过在文件上运行 dos2unix 来修复它们。或者，添加-v RS='\r?\n' 选项。
我在 windows 上使用 bash，用 nano 编写脚本，因为我之前总是遇到这些行尾问题。但我现在开始工作了:)

【解决方案2】：

这适用于我的测试集。

for file in *.fasta
do
   echo ">$file" >> out.fasta
   tail -n +2 $file >> out.fasta
   echo >> out.fasta
done

这个简单的版本包括文件扩展名。

即使之前的 FASTA 文件没有以换行符结尾，最后一个回显也可确保下一个标头出现在自己的行中。

【讨论】：