計算fasta文件中殘基的數量

Question

我有一個包含蛋白質序列的fasta文件。如何使用awk來計算每個序列中的殘基數量？

>seq1 
PESDFA 
>seq2 
>seq3 
GFCSSWWR 

所需的輸出

seq1 6 
seq2 0 
seq3 8 

Answer 1

這awk給你一些：

awk -v FS="" '!/^>/ {print f,NF} {f=substr($0,2)}' file 
seq1 6 
seq3 8 

---

要獲得seq2你可以這樣做：

awk '{printf (/^>/&&NR>1?RS:"")"%s ",$0} END {print ""}' file | awk '{print substr($1,2),length($2)}' 
seq1 6 
seq2 0 
seq3 8 

第一部分將所有seq和信息更改爲一行，下一部分給出長度。

Answer 2

這一行是不是很好，但適用於你的例子：

kent$ paste f <(sed '1d' f)|awk '/^>/{print $1, ($2~/^>/?0:length($2))}' 
>seq1 6 
>seq2 0 
>seq3 8 

Answer 3

$ awk -F'>' ' 
    NF==2 { seq=$2; lgth[seq]=0; next } 
    { lgth[seq]=length($0) } 
    END { for (seq in lgth) print seq, lgth[seq] } 
' file 
seq1 6 
seq2 0 
seq3 8 

如果你關心輸出的順序，只是不停地seq值

$ awk -F'>' ' 
    NF==2 { seq=$2; seqs[++numSeqs]=seq; next} 
    { lgth[seq]=length($0) } 
    END { for (i=1; i<=numSeqs; i++) print seqs[i], lgth[seqs[i]]+0 } 
' file 
seq1 6 
seq2 0 
seq3 8