重命名生物資訊學中multifasta文件的標題

這是我的 file1.fa(seqID, \t, sequence)，它不是標準的 fasta 格式文件。

abc MFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNISGPGGTGKTFLMSHLIDDTMPA
cef AFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNESGPGGTGKTFLMSHLIDDTMFA
rig AAAAAAAAAAAAAAAAAAAAAAAAAAGGEGKFKKKKKSKKKKKKKKKKKKKKKKKKK

現在我想將其轉換為標準的 fasta 格式，如下所示：

>abc
MFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNISGPGGTGKTFLMSHLIDDTMPA
>cef 
AFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNESGPGGTGKTFLMSHLIDDTMFA
>rig 
AAAAAAAAAAAAAAAAAAAAAAAAAAGGEGKFKKKKKSKKKKKKKKKKKKKKKKKKK

我試過這樣，但我不知道如何添加“>”，有人可以幫助我嗎？

less -S file1.fa | sed 's/\t/\n/g' > file2.fa

您可以簡單地使用sed 而不使用less. 您還可以就地編輯文件，而無需將輸出重定向到新文件。

您的sed命令將變為：

sed -i'.bak' 's/\(.*\)\t/>\1\n/g' file1.fa

或者，如果您不想*就地編輯，*您可以使用：

sed  's/\(.*\)\t/>\1\n/g' file1.fa > file2.fa

使用Raku（以前稱為 Perl_6）

raku -pe 's/^ (<:Ll>+) (\s) />$0\n/;'   

#OR

raku -pe 's/^ <((<:Ll>+) (\s))> <:Lu>+ />$0\n/;' 

這些答案使用 Raku 的:Ll（Unicode 字母小寫）和:Lu（Unicode 字母大寫）字元類定義：

https://docs.raku.org/language/regexes#Unicode_properties

如果您願意，您可以簡單地替換\S+以表示一個或多個非空白字元。您還可以更改\s為更具體的\t令牌。

在第二個範例中，Raku 的<(……)>擷取標記指示 Raku 將所有內容從匹配對像中刪除，因此<:Lu>+在替換中匹配但未刪除。

樣本輸入：

abc MFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNISGPGGTGKTFLMSHLIDDTMPA
cef AFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNESGPGGTGKTFLMSHLIDDTMFA
rig AAAAAAAAAAAAAAAAAAAAAAAAAAGGEGKFKKKKKSKKKKKKKKKKKKKKKKKKK

樣本輸出：

>abc
MFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNISGPGGTGKTFLMSHLIDDTMPA
>cef
AFSKPTKAPLNKGQEAVAKEFFDFLLDPNATEFNESGPGGTGKTFLMSHLIDDTMFA
>rig
AAAAAAAAAAAAAAAAAAAAAAAAAAGGEGKFKKKKKSKKKKKKKKKKKKKKKKKKK

https://docs.raku.org/language/regexes

https://conf.raku.org/talk/156

https://raku.org

引用自：https://unix.stackexchange.com/questions/721686