linux - 在 linux 中将 tab 转换为 fasta 格式

Question

我有文本 (infile-table.txt) 文件，其中两列由制表符分隔，如下所示:

TRINITY_DN5561_c0_g1_i1 len=391 path=[369:0-390] [-1, 369, -2]  TTGGCTGGAATTCAAAAGCTTTCGATT
TRINITY_DN15396_c0_g1_i1 len=235 path=[213:0-234] [-1, 213, -2] CGAGCTTGGGTAAATGGGATCAAACTAGATTA
len=298 path=[1:0-297] [-1, 1, -2]  GCTGTGATTTCTGCCATCGGAGAGGGCACAGACGGC

我想像这样转换它们:

>TRINITY_DN5561_c0_g1_i1 len=391 path=[369:0-390] [-1, 369, -2] 
TTGGCTGGAATTCAAAAGCTTTCGATT
>TRINITY_DN15396_c0_g1_i1 len=235 path=[213:0-234] [-1, 213, -2]    
CGAGCTTGGGTAAATGGGATCAAACTAGATTA
>len=298 path=[1:0-297] [-1, 1, -2] 
GCTGTGATTTCTGCCATCGGAGAGGGCACAGACGGC

我试过但没有用的命令:

awk '{printf ">%s\n%s\n",$1,$2}' infile-table.txt > outfile.fasta

Answer 1

您只是缺少“制表符分隔”位:

awk -F '\t' '{printf ">%s\n%s\n",$1,$2}' infile-table.txt
#...^^^^^^^

awk 程序可以更简洁一些，如果您愿意:将输出 字段分隔符设置为换行符并:

awk -F'\t' -v OFS='\n' '{$1 = ">" $1} 1' infile-table.txt 

当您更改第一个字段时，awk 将使用 OFS 重新创建 $0，并且尾随“1”打印记录。

而且，由于您添加了 sed标签:

sed 's/^/>/;s/\t/\n/' infile-table.txt