合并从 contigs.fa 生成的两行答案

【问题标题】：Merge two lines generated from contigs.fa合并从 contigs.fa 生成的两行
【发布时间】：2012-12-21 10:42:59
【问题描述】：

我有一个由汇编程序生成的文件。如下所示。

>NODE_1_length_211_cov_22.379147
CATTTGCTGAAGAAAAATTACGAGAAATGGAGCACAAGGCTGTTTTTGTGAATGTCAAAC
CAAGTGACAACTCTATAGCGTTTGTATAAGACTCTCATACTAATCCCAAGCAAACTCTAT
ACTGACGCATGAACATGGAAGAGAAATGCTGCTCGTGTATGTATTATGGACCAGCTTGGA
ACACCATGTTAGGACTTTATAGATGTCTTACGATTTTTTCGACGTGATGAAGAAGTCTAT
TCAGCATTTGA
>NODE_2_length_85_cov_19.094118
TACTCCTGAGCACTTTGTGCTCTTAGTTCTTACTAGAACTGTTACAGCTCCACGAACTTG
TCGACTCTTTGAGTCAATTTCTGTTAGTTCCTACGAACTAAGAGGCTCTCTGAGCCCAGT
CTTCC

我想使用 python 或 linux sed 命令合并行，并希望以这种方式得到结果。

>NODE_1_length_211_cov_22.379147
CATTTGCTGAAGAAAAATTACGAGAAATGGAGCACAAGGCTGTTTTTGTGAATGTCAAACCAAGTGACAACTCTATAGCGTTTGTATAAGACTCTCATACTAATCCCAAGCAAACTCTATACTGACGCATGAACATGGAAGAGAAATGCTGCTCGTGTATGTATTATGGACCAGCTTGGAACACCATGTTAGGACTTTATAGATGTCTTACGATTTTTTCGACGTGATGAAGAAGTCTATTCAGCATTTGA
>NODE_2_length_85_cov_19.094118
TACTCCTGAGCACTTTGTGCTCTTAGTTCTTACTAGAACTGTTACAGCTCCACGAACTTGTCGACTCTTTGAGTCAATTTCTGTTAGTTCCTACGAACTAAGAGGCTCTCTGAGCCCAGTCTTCC

就像每个序列一样，将其视为单行，将节点名称视为另一行。

【问题讨论】：

欢迎来到 Stack Overflow！看起来您希望我们为您编写一些代码。虽然许多用户愿意为陷入困境的程序员编写代码，但他们通常只在发布者已经尝试自己解决问题时才提供帮助。展示这项工作的一个好方法是包含您迄今为止编写的代码、示例输入（如果有的话）、预期输出和您实际获得的输出（控制台输出、堆栈跟踪、编译器错误 - 不管是什么适用的）。您提供的详细信息越多，您可能收到的答案就越多。
@MartijnPieters 问号是错字，我认为> 是文件的一部分，对我来说看起来像FASTA
是的，通过添加您迄今为止提出的代码来向我们展示一些爱。
你可能不应该那样做。 FASTA 格式允许序列中的换行符。使用真实的现有 FASTA 解析器来读取文件（或开发一个用于练习）。另外，请使用edit 链接将格式正确的代码直接添加到您的问题中。
请将示例代码添加到您的问题文本中，而不是作为评论。

标签： python linux sed awk fasta

【解决方案1】：

tr 和 sed 的小管道可以做到这一点：

$ tr -d '\n' < contigser.fa | sed 's/\(>[^.]\+\.[0-9]\+\)/\n\1\n/g' > newfile.fa

在python:

file = open('contigser.fa','r+')
lines= file.read().splitlines()

file.seek(0)
file.truncate()

for line in lines:
    if line.startswith('>'):
        file.write('\n'+line+'\n')
    else:
        file.write(line)

注意：python 解决方案将更改存储回contigser.fa。

【讨论】：

确定这不会在一行的输出中给出>NODE_2_length_85_cov_19.094118TACTCCTGAGCACTTTGTGCTCTTAGTTCT ...？
但总的来说这个想法是好的 ;-) 我认为你需要包括一些尴尬。
@hochl 已修复，只需要让sed 抓住整行。
hochl 是对的..在大多数情况下，我得到它就像它正在与节点合并一样......我使用了 cat 函数..cat contigser.fa | tr -d '\n' > contigsers.fa ...它正在将所有内容转换为单行..我认为如果我将 \n 放在数字 cov_blah balh 之后可能会有所帮助
你为什么做contigser.fa | tr -d '\n' > contigsers.fa你错过了sed命令做contigser.fa | tr -d '\n' | sed 's/$>[^.]\+\.[0-9]\+$/\n\1\n/g' > contigsers.fa或者使用我添加的python解决方案。

【解决方案2】：

您可以使用awk 来完成这项工作：

awk < input_file '/^>/ {print ""; print; next} {printf "%s", $0} END {print ""}'

这只会启动一个进程 (awk)。唯一的缺点：它添加了一个空的第一行。你可以通过添加一个状态变量来避免这样的事情（代码属于一行，只是为了使它更好的可读性）：

awk < input_file '/^>/ { if (flag) print ""; print; flag=0; next }
    { printf "%s", $0; flag=1 } END { if (flag) print "" }'

@如何将其存储在新文件中：

awk < input_file > output_file '/^>/ { .... }'

【讨论】：

printf 的概要是printf format,data。将其用作printf data 意味着data 被视为您的格式字符串，没有数据，因此如果您的输入包含 %s 或任何其他 printf 格式字符，则会严重混乱。你需要printf "%s",$0 而不是printf $0。

【解决方案3】：

$ awk '/^>/{printf "%s%s\n",(NR>1?ORS:""),$0; next} {printf "%s",$0} END{print ""}' file
>NODE_1_length_211_cov_22.379147
CATTTGCTGAAGAAAAATTACGAGAAATGGAGCACAAGGCTGTTTTTGTGAATGTCAAACCAAGTGACAACTCTATAGCGTTTGTATAAGACTCTCATACTAATCCCAAGCAAACTCTATACTGACGCATGAACATGGAAGAGAAATGCTGCTCGTGTATGTATTATGGACCAGCTTGGAACACCATGTTAGGACTTTATAGATGTCTTACGATTTTTTCGACGTGATGAAGAAGTCTATTCAGCATTTGA
>NODE_2_length_85_cov_19.094118
TACTCCTGAGCACTTTGTGCTCTTAGTTCTTACTAGAACTGTTACAGCTCCACGAACTTGTCGACTCTTTGAGTCAATTTCTGTTAGTTCCTACGAACTAAGAGGCTCTCTGAGCCCAGTCTTCC

【讨论】：

【解决方案4】：

$ awk 'NR==1;ORS="";{sub(/>.*$/,"\n&\n");print (NR>1)?$0:""}END{print"\n"}' file
>NODE_1_length_211_cov_22.379147
CATTTGCTGAAGAAAAATTACGAGAAATGGAGCACAAGGCTGTTTTTGTGAATGTCAAACCAAGTGACAACTCTATAGCGTTTGTATAAGACTCTCATACTAATCCCAAGCAAACTCTATACTGACGCATGAACATGGAAGAGAAATGCTGCTCGTGTATGTATTATGGACCAGCTTGGAACACCATGTTAGGACTTTATAGATGTCTTACGATTTTTTCGACGTGATGAAGAAGTCTATTCAGCATTTGA
>NODE_2_length_85_cov_19.094118
TACTCCTGAGCACTTTGTGCTCTTAGTTCTTACTAGAACTGTTACAGCTCCACGAACTTGTCGACTCTTTGAGTCAATTTCTGTTAGTTCCTACGAACTAAGAGGCTCTCTGAGCCCAGTCTTCC

【讨论】：

【解决方案5】：

这可能对你有用（GNU sed）：

sed '/^>/n;:a;$!N;s/\n\([^>]\)/\1/;ta;P;D' file

在以> 开头的行之后，删除除> 符号之外的任何字符之前的所有换行符。

【讨论】：