使用while循環替換fasta文件中的某些行，並使用while循環和if/else語句

Question

我正在使用fasta文件，並且需要爲每個標題添加行特定文本。因此，例如，如果我的文件是：

>TER1 
AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 
>TER2 
AGCATGCTAGCTAGACGACTCGATCGCATGCTC 
>URC1 
AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 
>URC2 
AGCATGCTACCTAGTCGACTCGATCGCATGCTC 
>UCR3 
AGCATGCTAGCTAGTCGACTCGATGGCATGCTC 

我想要一個while循環，將讀取每一行;對於開頭爲>的人，我想追加|population:加上>後面的前三個字符。所以線之一將是：

>TER1|population:TER 

等

我無法弄清楚如何使這項工作。這是迄今爲止我的最佳嘗試。

filename="testfasta.fa" 
while read -r line 
do 
    if [[ "$line" == ">"* ]]; then 
     id=$(cut -c2-4<<<"$line") 
     printf $line"|population:"$id"\n" >>outfile 
    else 
     printf $line"\n">>outfile 
    fi 
done <"$filename" 

這會生成一個文件，其中包含原始標題和每行下一行。 有人能告訴我我哪裏出錯了嗎？我的if和else循環根本不起作用！ 謝謝！

Answer 1

您可以使用while循環，如果你真的想要， 但sed會更簡單：

sed -e 's/^>\(...\).*/&|population:\1/' "$filename" 

也就是說，開始>（模式：^>）線， 捕捉未來3字符（與\(...\)）， 並匹配該行的其餘部分（.*）， 用行替換（&）， 和固定字符串|population:, 並最後捕獲3個字符（\1）。

這將產生您的輸入：

>TER1|population:TER 

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 

>TER2|population:TER 

AGCATGCTAGCTAGACGACTCGATCGCATGCTC 

>URC1|population:URC 

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 

>URC2|population:URC 

AGCATGCTACCTAGTCGACTCGATCGCATGCTC 

>UCR3|population:UCR 

AGCATGCTAGCTAGTCGACTCGATGGCATGCTC 

或者您可以使用此awk，也產生了相同的輸出：

awk '{sub(/^>.*/, $0 "|population:" substr($0, 2, 3))}1' "$filename" 

Answer 2

可以在awk迅速做到這一點：

awk '$1~/^>/{$1=$1"|population:"substr($1,2,3)}{}1' infile.txt > outfile.txt 

---

$ awk '$1~/^>/{$1=$1"|population:"substr($1,2,3)}{}1' testfile 
>TER1|population:TER 

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 

>TER2|population:TER 

AGCATGCTAGCTAGACGACTCGATCGCATGCTC 

>URC1|population:URC 

AGCATGCTAGCTAGTCGACTCGATCGCATGCTC 

>URC2|population:URC 

AGCATGCTACCTAGTCGACTCGATCGCATGCTC 

>UCR3|population:UCR 

AGCATGCTAGCTAGTCGACTCGATGGCATGCTC 

這裏awk將：

1. 測試，如果記錄與>的$1開始着眼於第一場，但$0整個記錄將在這種情況下很好的工作。 ~將執行正則表達式測試，^>表示「從>開始」。進行測試：（$1~/^>/）
2. 如果是這樣，它會將第一個字段設置爲您正在查找的輸出（使用substr（）獲取所需字符串的位。{$1=$1"|population:"substr($1,2,3)}
3. 最後它會打印出整個記錄（如果適用，進行更改）：{}1這是{print $0}的簡寫或打印整個記錄。