如何使用 bash 循环替换 fasta 文件中的行中的字母？答案

【问题标题】：How to replace letters in lines in fasta file using bash loops?如何使用 bash 循环替换 fasta 文件中的行中的字母？
【发布时间】：2019-01-03 18:27:51
【问题描述】：

我想将序列中的所有n 更改为-，但我不知道如何使我的bash 脚本不更改出现在序列名称中的n。我没有使用 sed 或正则表达式来确保我的 bash 脚本只读取不以 > 开头的行，因为它表示标题。

示例文件：

>Name_with_nnn
nnnatgcnnnatttg
>Name2_with_nnn
atgggnnnnGGtnnn

同时我想将所有小写字母转换为大写，仅在序列行中。我什至不知道如何开始使用 sed，我发现它真的很难理解。

预期输出：

>Name_with_nnn
---ATGC---ATTTG
>Name2_with_nnn
ATGGG----GGT---

所以在我创建了我的序列文件后，我尝试继续我的脚本：

while IFS= read -r line
do
     if [[ $line == ">"* ]]
     then
          echo "Ignoring header line: $line"
     else
          echo "Converting to uppercase and then N-to-gaps"
          # sed or tr?? do call $line or do I call $OUTFILE? so confused..
     fi
done

【问题讨论】：

标签： bash sed

【解决方案1】：

您可以使用sed 来解决这个问题：

sed -i "/^>/! {s/n/-/g; s/\(.*\)/\U\1/g}" text.txt

您的输出将是：

>Name_with_nnn
---ATGC---ATTTG
>Name2_with_nnn
ATGGG----GGT---

【讨论】：

@DNAngel 请注意我更新了脚本，因为缺少转换为大写。
@CedricZoppolo 不仅大写，你还更新了start with >，可能值得一提。
@Tiw 是正确的。我还更新以确保只有不以> 开头的行才会被转换。我缺少^ 字符，以便获取以> 开头的行，而不是在行的任何部分包含此类字符的行。

【解决方案2】：

你可以使用这个简单的gnu sed:

sed '/^>/!{s/n/-/g; s/.*/\U&/;}' file

>Name_with_nnn
---ATGC---ATTTG
>Name2_with_nnn
ATGGG----GGT---

【讨论】：

【解决方案3】：

在纯 Bash 中，对于较大的输入可能相当慢：

while IFS= read -r line; do
    case $line in
        '>'*)
            printf '%s\n' "$line"
            ;;
        *)
            line=${line//n/-}
            printf '%s\n' "${line^^}"
            ;;
    esac
done < infile

这使用带有模式匹配的case statement 来测试一行是否以> 开头；要修改行，使用parameter expansions。 ${<i>parameter</i>^^} 扩展需要 Bash 4.0 或更高版本。

【讨论】：

【解决方案4】：

awk 怎么样？

awk '/^[^>]/{gsub("n","-");print toupper($0);next;}1' data

输出：

>Name_with_nnn
---ATGC---ATTTG
>Name2_with_nnn
ATGGG----GGT---

不过，sed 也可以（GNU sed）：

sed -E '/^[^>]/{s/n/-/g;s/(.*)/\U\1/g;}' data

同理：

sed -E '/^>/!{s/n/-/g;s/(.*)/\U\1/g;}' data

如果想原地改，可以加-i切换到sed。

【讨论】：