使用awk（或python）将匹配行中的序列附加到文件上？

Question

我正在尝试为每个人连接文件中的所有基因序列，并认为可能有一种方法可以通过使用 awk 或 sed 的 oneliner 来做到这一点。

假设我有一个带有 ID 名称（Mex1、Can2 等）和序列（TGAC...）的文件，并且每一行都有不同的 ID、基因（A、B）和序列。

Mex1_A TGACTT
Mex2_A TGACTA
CAN2_A TCGGGG
CAN4_A TCGACG
Mex1_B TCGGCA
Mex2_B TCGCCC
CAN2_B TCTACT
CAN4_B TCTACC

有没有办法从每个匹配的 ID 中附加序列，将每个人的所有序列数据连接在一行中，例如：

Mex1 TGACTTTCGGCA
Mex2 TGACTATCGCCC
CAN2 TCGGGGTCTACT
CAN4 TCGACGTCTACC

这可以使用那些编辑器吗？也许最好在 perl/python 中完成

Answer 1

$ awk -F'[_ ]' '{a[$1] = a[$1] $3} END{for (i in a) print i, a[i]}' file
CAN4 TCGACGTCTACC
Mex1 TGACTTTCGGCA
Mex2 TGACTATCGCCC
CAN2 TCGGGGTCTACT