Awk 是否有一种方法可以替换某些字符的所有出现，但只能替换每N行？

我试图用fasta文件序列部分中的

N

替换所有不是

C

、

T

、

A

或

G

的字符，即每2行

我认为awk和tr的结合是我需要的

要每隔一行打印一次，请执行以下操作：

awk '{if (NR % 2 == 0) print $0}' myfile

将这些字符替换为

N

tr YRHIQ- N

…但我不知道如何组合它们，以便字符替换仅在每第二行上进行，但它会打印每一行

这就是我所拥有的那种东西

>SEQUENCE_1
AGCYGTQA-TGCTG
>SEQUENCE_2
AGGYGTQA-TGCTC

我希望它看起来像这样：

>SEQUENCE_1
AGCNGTNANTGCTG
>SEQUENCE_2
AGGNGTNANTGCTC

>SENUENCE_1
AGCNGTNANTGCTG
>SENUENCE_2
AGGNGTNANTGCTC

但不是这样：

>SEQUENCE_1
AGCNGTNANTGCTG
>SEQUENCE_2
AGGNGTNANTGCTC

>SENUENCE_1
AGCNGTNANTGCTG
>SENUENCE_2
AGGNGTNANTGCTC

---

感谢@kvantour对fasta文件的解释，这里有另一个sed解决方案比旧的更适合您的任务：

sed '/^>/! s/[^ACTG]/N/g' file.fasta

• /^>/：如果此行不是以
  开头，请执行以下操作

• s/[^ACTG]/N/g

  ：将

  ACTG

  以外的所有字符替换为

  N

---

这里有一个使用

awk的解决方案

awk 'NR%2 ==0{gsub(/[^CTAG]/, "N")}1' file

结果

SEQUENCE_1
AGCNGTNANTGCTG
SEQUENCE_2
AGGNGTNANTGCTC

解释 正如OP所希望的那样，我只寻找每一个偶数行来应用更改


NR/2==0

NR

是迄今为止从

文件读取的记录数（此处为行）

和

gsub（/[^CTAG]/，“N”）

替换为所有不是“C”、“T”、“A”、“G”的字符

[^CTAG]

这个

^

就是否定
而且

awk

过去了

表达式

操作

格式

---

这里的

表达式是
NR/2==0
，操作是将
N
字符替换为
gsub
，这些字符不是
CTAG
您的问题很容易回答，但在处理通用fasta文件时对您没有帮助。Fasta文件有一个序列头，后跟一行或多行，可以连接起来表示序列。Fasta文件格式大致遵循以下规则：


以字符（
）开头的描述行（defline）或标题/标识符行为序列提供名称和/或唯一标识符，还可能包含其他信息
描述行后面是标准单字母字符串中的实际序列本身。除有效字符以外的任何内容都将被忽略（包括空格、制表符、星号等）
序列可以跨越多行
多序列FASTA格式是通过将多个单序列FASTA文件连接到一个公共文件中获得的，通常是通过在两个后续序列之间留下空行来实现的

要回答OP的问题，如果您只想处理每一行，您需要执行以下操作：

awk '!(NR%2){gsub(/[^CTAG]/, "N")}1' file.fasta

但是，在以下任何情况下，此方法都将失败：


fasta是一个具有多行序列的文件
multi-fasta文件在后续序列之间可能有一个空行

更好的方法是排除标题行并处理所有其他行：

awk '!/^>/{gsub(/[^CTAG]/, "N")}1' file.fasta

我收到以下错误-您知道原因吗？：sed:1:“0~2 s/[^ACGT]/N/g”：无效的命令代码~知道如何检查吗？似乎在OSX上并不简单？？：关于fasta文件的好信息。谢谢分享。我不知道什么是
fasta
文件。如果你不介意发布一个样本，以及它是如何生成的？Fasta文件是DNA序列数据的常用输入/输出格式。当你做DNA测序时，这是你经常收到数据的格式。它们看起来像原始问题中给出的示例，尽管像@kvantour所说，它们可能是多行的，即1个序列可以由1个标题行和多个序列行表示。现在越来越常见的是fastq文件，它们是相同的，但每个序列限制为4行：第1行-标题行（以“@”开头）；第2行-序列线；第3行-“+”；第4行-每个DNA字母的质量信息