在 UNIX 中重命名 fasta/fastq 文件中的条目

Question

我有 x 个读段的 fasta 文件，我想重命名每个读段的 ID。 我的档案如下：

>e855552f-9484-4674-8fc4-d9b1f1add023 runid=4140cbe7f7cd36a17a00b732f27dd37bd09e4380 sampleid=mariposas read=55861 ch=2 start_time=2022-11-23T17:43:40Z model_version_id=2021-05-17_dna_r9.4.1_minion_768_2f1c8637 barcode=barcode06
GCTTTAACATTTAGCTATTTATGACACAGTGAAATAAAAGTAATATCTTTTTATTTTTAATTGTATTTATTAGTTACATGTTTTCACATGCATTTAACATAAATGTGATAATTTATGGGAATTACACTACTGTCAAAGTAGTT
>c9d90319-ec63-4347-9244-ad080b0815c5 runid=4140cbe7f7cd36a17a00b732f27dd37bd09e4380 sampleid=mariposas read=30196 ch=317 start_time=2022-11-23T14:47:32Z model_version_id=2021-05-17_dna_r9.4.1_minion_768_2f1c8637 barcode=barcode11
GCCTTGACTATATGGTTTACCTGTTCAAATACGACTCTACTCATGGTCGTTTCAAGGGAACAGTTGAGGTTCAAGGATGGTTTCCTCGTAGTAGTCTCAATGGAAACAAATCTCCTGTCTTCTGTGAAAGAGACCCTAAAATC

我想用第一个 ID 和由“_”链接的条形码（最后一个词）重命名读数。

我的期望是：

>e855552f-9484-4674-8fc4-d9b1f1add023_barcode06
GCTTTAACATTTAGCTATTTATGACACAGTGAAATAAAAGTAATATCTTTTTATTTTTAATTGTATTTATTAGTTACATGTTTTCACATGCATTTAACATAAATGTGATAATTTATGGGAATTACACTACTGTCAAAGTAGTT
>c9d90319-ec63-4347-9244-ad080b0815c5_barcode11
GCCTTGACTATATGGTTTACCTGTTCAAATACGACTCTACTCATGGTCGTTTCAAGGGAACAGTTGAGGTTCAAGGATGGTTTCCTCGTAGTAGTCTCAATGGAAACAAATCTCCTGTCTTCTGTGAAAGAGACCCTAAAATC

我正在尝试使用

sed

命令，但我不知道它是否是最佳选择。我不知道如何用 sed 而不是固定词来指定多个词（第一个和最后一个）。

Answer 1

使用这个 Perl 单行代码：

perl -lpe 's{^(>\S+).*barcode=(\S+)}{$1_$2}' input.fa > output.fa

或就地更改文件：

perl -i.bak -lpe 's{^(>\S+).*barcode=(\S+)}{$1_$2}' input.fa

Perl 单行代码使用这些命令行标志：

-e

：告诉 Perl 查找内联代码，而不是在文件中。

-p

：一次循环输入一行，默认情况下将其分配给

$_

。在每次循环迭代后添加

print $_

。

-l

：在执行内联代码之前去除输入行分隔符（默认情况下在 *NIX 上为

"\n"

），并在打印时附加它。

-i.bak

：就地编辑输入文件（覆盖输入文件）。在覆盖之前，通过在其名称后附加扩展名

.bak

来保存原始文件的备份副本。如果你想跳过写备份文件，只需使用

-i

并跳过扩展名。

s{PATTERN}{REPLACEMENT}

：用

PATTERN

代替

REPLACEMENT

。

^

: 行首。

\S+

：非空白字符重复 1 次或多次。

(...)

：括号将其中匹配的模式捕获到匹配变量中：

$1

，

$2

等。

.*

：任何字符重复 0 次或多次。

另见：

perldoc perlrun

：如何执行Perl解释器：命令行开关

perldoc perlre

：Perl正则表达式（regexes）

perldoc perlre

：Perl正则表达式（regexes）：量词；字符类和其他特殊转义；断言；捕获组

perldoc perlrequick

：Perl正则表达式快速入门