如何将字符串添加到 fasta 标识符答案

【问题标题】：How to add strings to fasta identifiers如何将字符串添加到 fasta 标识符
【发布时间】：2020-10-12 01:18:30
【问题描述】：

我有一个包含多个序列的 fasta 文件：

grep -e ">" seq.fasta
>mmu_miR_8109 
>mmu_miR_8110 
>mmu_miR_8111 
>mmu_miR_8112 
>mmu_miR_8113 
>mmu_miR_8114 
>LQNS02136402.1_14821_5p 
>LQNS02278094.1_35771_5p 
>Dpu-Mir-22-P2_LQNS02276481.1_18963_3p

我想在序列标识符中添加另一部分，使其看起来像这样：

grep -e ">" results.fasta"
>mmu_miR_8109 MOUSE Mus musculus miR_8109
>mmu_miR_8110 MOUSE Mus musculus miR_8110
>mmu_miR_8111 MOUSE Mus musculus miR_8111
>mmu_miR_8112 MOUSE Mus musculus miR_8112
>mmu_miR_8113 MOUSE Mus musculus miR_8113
>mmu_miR_8114 MOUSE Mus musculus miR_8114
>LQNS02136402.1_14821_5p MOUSE Mus musculus 14821_5p
>LQNS02278094.1_35771_5p MOUSE Mus musculus 35771_5p
>Dpu-Mir-22-P2_LQNS02276481.1_18963_3p  MOUSE Mus musculus 18963_3p

请注意，MOUSE Mus musculus 始终相同，每个标识符的最后一部分等于第 1 列“_to_keep”的最后一部分

到目前为止，我已经做到了：

 grep -e ">" seq.fasta | sed 's/>.*/& MOUSE/' | sed 's/>.*/& Mus musculus/'

但是我错过了最后一部分（保留最后的值）以及如何应用它来对 fasta 文件进行更改。希望有人可以提供帮助。谢谢！！

【问题讨论】：

标签： unix awk sed fasta

【解决方案1】：

这里有一个简单的 awk 方法，将 FS 设置为下划线似乎很方便。当一行是标题时，我们通过添加固定字符串和现有字符串的最后两部分来修改它，并将所有行打印为1。

awk -F_ '/>/{$0 = $0 " MOUSE Mus musculus " $(NF-1) FS $NF} 1' file

输出：

>mmu_miR_8109 MOUSE Mus musculus miR_8109 
>mmu_miR_8110 MOUSE Mus musculus miR_8110 
>mmu_miR_8111 MOUSE Mus musculus miR_8111 
>mmu_miR_8112 MOUSE Mus musculus miR_8112 
>mmu_miR_8113 MOUSE Mus musculus miR_8113 
>mmu_miR_8114 MOUSE Mus musculus miR_8114 
>LQNS02136402.1_14821_5p MOUSE Mus musculus 14821_5p 
>LQNS02278094.1_35771_5p MOUSE Mus musculus 35771_5p 
>Dpu-Mir-22-P2_LQNS02276481.1_18963_3p MOUSE Mus musculus 18963_3p

确认输出好后，可以修改已有文件，如下：

awk -F_ '/>/{$0 = $0 " MOUSE Mus musculus " $(NF-1) FS $NF} 1' file > file.tmp && mv file.tmp file

在继续之前始终备份您的数据。

【讨论】：

【解决方案2】：

这可能对你有用（GNU sed）：

sed -Ei 's/(.*_(.*_\S*)).*/\1 MOUSE Mus musculus \2/' file

【讨论】：