将序列连接到fasta文件中的ID答案

【问题标题】：Concatenate the sequence to the ID in fasta file将序列连接到fasta文件中的ID
【发布时间】：2019-06-10 22:36:36
【问题描述】：

这是我的输入文件

>OTU1;size=4;
ATTCCGGGTTTACT
ATTCCTTTTATCGA
ATC
>OTU2;size=10;
CGGATCTAGGCGAT
ACT
>OTU3;size=5;
ATTCCCGGGATCTA
ACTTTTC

预期的输出文件是：

>OTU1;size=4;ATTCCGGGTTTACTATTCCTTTTATCGAATC
>OTU2;size=10;CGGATCTAGGCGATACT
>OTU3;size=5;ATTCCCGGGATCTAACTTTTC

我试过Remove line breaks in a FASTA file的代码

但这对我不起作用，我不确定如何修改该帖子中的代码... 有什么建议吗？提前致谢！

【问题讨论】：

我看到你已经问了 5 个问题，但没有接受任何一个问题的答案。请参阅stackoverflow.com/help/someone-answers 了解当你得到答案时该怎么做。此外，this doesn't work 是对任何问题的最糟糕的描述，因为它绝对没有给我们任何继续尝试帮助您的机会。如果某件事“不起作用”，请告诉我们它以何种方式“不起作用”（例如错误输出、无输出、错误消息、核心转储等）以获得帮助。

标签： awk

【解决方案1】：

这是另一个awk 脚本。使用awk内部解析机制。

awk 'BEGIN{RS=">";OFS="";}NR>1{$1=$1;print ">"$0}' input.txt

输出是：

>OTU1;size=4;ATTCCGGGTTTACTATTCCTTTTATCGAATC
>OTU2;size=10;CGGATCTAGGCGATACT
>OTU3;size=5;ATTCCCGGGATCTAACTTTTC

解释：

awk '
BEGIN {        # initialize awk internal variables
  RS=">";      # set `RS`=record separator to `>`
  OFS="";      # set `OFS`=output field separator to empty string.
}
NR>1 {         # handle from 2nd record (1st record is empty).
  $1=$1;       # regenerate the output line
  print ">"$0  # print out ">" with computed output line
}' input.txt

【讨论】：

内部变量的使用非常好。
您仍然需要设置FS="\n"。此外，假设您想处理两个文件，使用FNR>1 而不是NR>1 可能更明智。
感谢您的评论，我检查了 FS 的默认默认值为 \n 并且无法覆盖它（希望我理解正确）。见这里math.utah.edu/docs/info/gawk_6.html#SEC45。
FS 默认为空格或换行符是正确的，但您不能覆盖换行符是错误的。当FS 是两个字符时，假设它是一个正则表达式，然后你将换行符覆盖为字段拆分器。（见POSIX awk standard部分正则表达式）
好吧，原来我以前偶然发现过这个，请参阅lists.gnu.org/archive/html/bug-gawk/2019-04/msg00029.html，gawk 维护人员将更新 gawk 文档以记录差异并努力更改 POSIX 标准，因此它描述了gawk（和其他一些 awks）的行为方式是仅在 FS 是单个字符时将 \n 添加到 FS 但如果 FS 是正则表达式，则不要将 \n 添加到它。当然，所有这些仍然只适用于RS 为空的情况。

【解决方案2】：

$ awk '{printf "%s%s", (/^>/ ? ors : ""), $0; ors=ORS} END{print ""}' file
>OTU1;size=4;ATTCCGGGTTTACTATTCCTTTTATCGAATC
>OTU2;size=10;CGGATCTAGGCGATACT
>OTU3;size=5;ATTCCCGGGATCTAACTTTTC

【讨论】：

智能、简洁、优雅的解决方案。请解释ors 变量的必要性。谢谢
谢谢。您需要为第一行打印 null ，然后为 ORS 打印，以便在处理第一行后设置该变量来解决这个问题。这相当于写(/^>/ ? (NR>1 > ORS : "") : ""), $0，我认为它更神秘。

【解决方案3】：

您也可以尝试一下吗？

awk -v RS=">" 'NR>1{gsub(/\n/,"");print ">"$0}'  Input_file

我最初的尝试是awk -v RS=">" -v FS="\n" -v OFS="" 'NF>1{$1=$1;print ">"$0}' Input_file，但后来我看到它已经回答了buy dudi boy所以写了另一个（第一次提到的）一个。

【讨论】：

我认为你这里有错误。不应该是（NR>1）吗？
智能、简洁、优雅的解决方案。
@kvantour，谢谢先生告知，现在编辑。

【解决方案4】：

类似于我的回答here：

$ awk 'BEGIN{RS=">"; FS="\n"; ORS=""}
       (FNR==1){next}
       { name=$1; seq=$0; gsub(/(^[^\n]*|)\n/,"",seq) }
       { print ">" name seq }' file1.fasta file2.fasta file3.fasta ...

【讨论】：