unix - 删除 FASTA 文件中的换行符

Question

我有一个 fasta 文件，其中序列用换行符分隔。我想删除换行符。这是我的文件的示例:

>accession1
ATGGCCCATG
GGATCCTAGC
>accession2
GATATCCATG
AAACGGCTTA

我想把它转换成这样:

>accession1
ATGGCCCATGGGATCCTAGC
>accession2
GATATCCATGAAACGGCTTA

我找到了一个潜在的解决方案on this site ，看起来像这样:

cat input.fasta | awk '{if (substr($0,1,1)==">"){if (p){print "\n";} print $0} else printf("%s",$0);p++;}END{print "\n"}' > joinedlineoutput.fasta

但是，这会在每个条目之间放置一个额外的换行符，因此文件如下所示:

>accession1
ATGGCCCATGGGATCCTAGC

>accession2
GATATCCATGAAACGGCTTA

我是 awk 菜鸟，但我尝试修改命令。我的猜测是 if (p){print "\n";} 是罪魁祸首......可能 print "\n" 添加了两个换行符。我不知道如何添加一个换行符...这可能很简单，但就像我说的，我是一个菜鸟。这是我的(不成功的)解决方案:

awk '{if (substr($0,1,1)==">"){print "\n"$0} else printf("%s",$0);p++;}END{print "\n"}' input.fasta > joinedoutput.fasta

但是，这会在文件开头添加一个空行，因为它总是在打印第一个入藏号之前打印一个新行:

{empty line} 
>accession1
ATGGCCCATGGGATCCTAGC
>accession2
GATATCCATGAAACGGCTTA

有人有办法让我的文件格式正确吗？谢谢!

Answer 1

这个awk程序:

% awk '!/^>/ { printf "%s", $0; n = "\n" } 
/^>/ { print n $0; n = "" }
END { printf "%s", n }
' input.fasta

将产生:

>accession1
ATGGCCCATGGGATCCTAGC
>accession2
GATATCCATGAAACGGCTTA

说明:

在不以 > 开头的行上，打印不带换行符的行并存储换行符(在变量 n 中)供以后使用。

在以 > 开头的行上，打印存储的换行符(如果有)和该行。重置 n，以防这是最后一行。

如果需要，以换行符结尾。

注意:

By default, variables are initialized to the empty string. There is no need to explicitly "initialize" a variable in awk, which is what you would do in c and in most other traditional languages.

--6.1.3.1 Using Variables in a Program , The GNU Awk User's Guide