Bash 在fasta序列名称中添加标记

我需要帮助。 我有一个fasta文件，例如：

>YP_00698.1 hypothetical protein sp [Species 1]
MDMQFGYFTRNPSTKYPATLYPREVSCALYEDDNENTSLIPKSRHYHYTIQPPINYKKLTNVDRYKNFRL

>YP_0098.1 hypothetical protein sp [Species 2]
MDMQFGYFTRNPSTKYPATLYPREVSCALYEDDNENTSLIPKSRHYHYTIQPPINYKKLTNVDRYKNFRL

>YP_009378.1 hypothetical protein sp [Species 3]
MEDNTAEDIIKNHLLNTSNDDDDDADSLKKKKENIDDIVKESKNVNLFFISYIKAYNDLVLFLKQQEIVFINILHLNNLNLSIYNLLQKCYSTKDKYKFLPDNNKNLLQLILTLKKNVKFRLKRLKDK

我正在寻找一个bash方法，以便在Seqnames之后添加

“\u CT”

，因此我应该得到：

>YP_00698.1_CT hypothetical protein sp [Species 1]
MDMQFGYFTRNPSTKYPATLYPREVSCALYEDDNENTSLIPKSRHYHYTIQPPINYKKLTNVDRYKNFRL

>YP_0098.1_CT hypothetical protein sp [Species 2]
MDMQFGYFTRNPSTKYPATLYPREVSCALYEDDNENTSLIPKSRHYHYTIQPPINYKKLTNVDRYKNFRL

>YP_009378.1_CT hypothetical protein sp [Species 3]
MEDNTAEDIIKNHLLNTSNDDDDDADSLKKKKENIDDIVKESKNVNLFFISYIKAYNDLVLFLKQQEIVFINILHLNNLNLSIYNLLQKCYSTKDKYKFLPDNNKNLLQLILTLKKNVKFRLKRLKDK

我试过：

sed 's/^\(>.*\)$/\1 _CT/' fastafile.fa

但是最后我得到了

“\u CT”

---

谢谢你的帮助

这可以用

awk

轻松完成，请尝试以下操作

awk '/^>/{$1=$1"_CT"} 1' Input_file

说明：为上述

awk

code添加说明

awk '            ##Starting awk program here.
/^>/{            ##Checking condition if a line starts from > then do following.
  $1=$1"_CT"     ##Setting value of $1 to $1 and concatenating _CT to it too.
}                ##Closing BLOCK for this condition here.
1                ##Mentioning 1 will print edited/non-edited line.
' Input_file     ##Mentioning Input_file name here.

sed

解决方案：

sed '/^>/s/\([^ ]*\)\(.*\)/\1_CT\2/'  Input_file

---

问题是，

*

可以并且将匹配整行，特别是当您的搜索模式包括

$

的“行尾”锚时。改为使用只能与序列名称匹配的内容，例如

[^]*

（连续的非空格字符序列）：

---

您可以。

您可以像这样使用

sed

sed 's/^>[^[:space:]]\{1,\}/&_CT/' fastafile.fa > newfastafile.fa
sed 's/^>[^ \t]\{1,\}/&_CT/' fastafile.fa > newfastafile.fa
sed -E 's/^>[^ \t]+/&_CT/' fastafile.fa > newfastafile.fa

见

详细信息

• ^

  -字符串的开头

• -a
  字符

• [^[：space:][\{1，\}

  -1个或多个字符（除空格外）。注

  \{1,0\}

  可以写成POSIX ERE模式中的

  +

  （使用

  -E

  或

  -r

  选项启用）

---

替换部分中的

&

代表整个匹配值。

只需将每行的第一个空格替换为

\u CT

：

sed 's/ /_CT /' input_file.fasta

这应该足够了，因为FASTA序列线不应包含任何空格

sed 's/ /_CT /' input_file.fasta