使用 Unix 命令行工具修改 FASTA 标头答案

【问题标题】：Modifying FASTA headers with Unix command line tools使用 Unix 命令行工具修改 FASTA 标头
【发布时间】：2013-03-01 20:49:23
【问题描述】：

我再次陷入修改文本的困境。我想更改大文本文件，例如：

>hg19_ct_UserTrack_3545_691 range=chr1:8121498-8121502 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATGG
>hg19_ct_UserTrack_3545_690 range=chr1:8121587-8121591 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATAG

到

>chr1:8121498-8121502 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATGG
>chr1:8121587-8121591 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATAG

我一直在使用 sed '/^>/s/[^ ]* />/'，它删除了第一部分 (>hg19_ct_UserTrack_3545_690)，但我真的不知道如何删除 range=。我尝试了// 和grep 的各种组合，但没有任何乐趣。

谢谢

【问题讨论】：

标签： unix sed awk grep fasta

【解决方案1】：

试试这条线：

sed 's/[^=>]*=//' file

使用您的输入进行测试：

kent$  echo ">hg19_ct_UserTrack_3545_691 range=chr1:8121498-8121502 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATGG
>hg19_ct_UserTrack_3545_690 range=chr1:8121587-8121591 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATAG"|sed 's/[^=>]*=//'
>chr1:8121498-8121502 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATGG
>chr1:8121587-8121591 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GATAG

【讨论】：

【解决方案2】：

尝试各种 shell 命令 =)

awk：

awk -F'range=' '/^>/{print ">" $2}' file

或者sed：

 sed '/^>/s/.*range=(.*)/>\1/' file

【讨论】：

这些不能正常工作，因为它们会遗漏“>”字符。 awk 和带有 perl 正则表达式的 GNU grep 也会省略非“>”行...
帖子已相应编辑。误解了你的问题，对不起；）
你可能 sed -E 用于 BSD sed 或 GNU sed（或 sed -r 用于 GNU sed）用于 ERE ...