使用第一行的一部分重命名 FASTA 文件答案

【问题标题】：Rename FASTA files with part of their first line使用第一行的一部分重命名 FASTA 文件
【发布时间】：2016-10-27 02:31:42
【问题描述】：

我想使用第一行的一些信息重命名一些基因组 FASTA 文件，但我想不通。

这里是一个例子，两个文件：

GCA_000007365.1_ASM736v1_genomic.fna:

>AE013218.1 Buchnera aphidicola str. Sg (Schizaphis graminum), complete genome
ATGTCAAAGTCGTATTTAAAAAATTTTGATGTTATTGTTATTGGTGGAGGGCATGCTGGCACTGAAGCTGCAGCAGCCTC
TGCAAGAGTAGGTTGTAAAACATTATTATTAACTCAAAAAATAACTGATATAGGTGTATTATCTTGCAATCCTGCTATCG

GCA_000012065.2_ASM1206v2_genomic.fna:

>CP000048.1 Borrelia hermsii DAH, complete genome
TACCACTACACTTATTAATAATACATACTCACGCCTGGGGGGAAAAATTCAATAATGGAAACCTTACAAATATAAAACCA
CTACAAATAGGTATTATTCAGCATAATTATATAAATTTAACTCCTTATAATCAACATTATAAATATTACGCTTTCATTGG

我想用 FASTA 文件中第一行的信息重命名一千个 *.fna 文件，给出：

Buchnera_aphidicola_AE013218.1.fna
Borrelia_hermsii_CP000048.1.fna

FASTA 标头保持不变。只是文件名。

【问题讨论】：

文件名中究竟是什么？前三个单词按顺序 2、3、1 没有>，用下划线连接？还有什么？
正是@BenjaminW。单词 2, 3, 1 用 "_" (2_3_1) 分隔，不带“>”，仅此而已。

标签： bash fasta

【解决方案1】：

您可以遍历所有 .fna 文件，提取单词，用 awk 重新排列它们，然后将它们放入 mv 命令中，如下所示：

for fname in *.fna; do
    mv -- "$fname" \
    "$(awk 'NR==1{printf("%s_%s_%s\n",$2,$3,substr($1,2));exit}' "$fname")".fna
done

在mv 命令之前添加echo 以查看其输出结果

mv -- GCA_000007365.1_ASM736v1_genomic.fna Buchnera_aphidicola_AE013218.1.fna
mv -- GCA_000012065.2_ASM1206v2_genomic.fna Borrelia_hermsii_CP000048.1.fna

-- 是为了确保以连字符开头的文件名不会被解释为mv 的选项。¹

下面是命令替换中的 awk 命令的作用，更清晰：

NR == 1 {
    printf("%s_%s_%s\n", $2, $3, substr($1, 2))
    exit
}

printf 的格式化字符串重新排列了前三个单词； substr 从第一个单词中删除前导 >。 exit 阻止文件的其余部分被处理；它不会改变结果，但会减慢速度。

¹ 更便携的是mv "./$fname" "./$( ... )"； -- 是 GNUism，据我所知。

【讨论】：

太完美了！谢谢！
你好@BenjaminW。问题是 $2 的开头带有一个空格（试图正确粘贴）' Buchnera_aphidicola_AE013218.1.fna'
@Tetraodienne 您是否正确添加了引号？如果您输入" $(awk ...)".fna 而不是"$(awk ...)".fna，则可能会发生这种情况，但我不知道还有其他方法。您生成的文件名以空格开头，对吗？
for fname in *.fna; do mv -- "$fname" \ "$(awk 'NR==1{printf("%s_%s_%s\n",$2,$3,substr($1,2));exit}' "$fname")".fna; done 我刚刚复制了你的。
@Tetraodienne 啊，我明白了。反斜杠只是用来逃避换行符以避免出现过长的行。您使用它的方式，它在文件名前转义了一个空格。如果在一行中使用该命令，则必须跳过反斜杠。