1
我有10个fasta文件(每个文件包含来自10个样本中的每个样本的20个基因序列)。我想创建20个文件,针对10个样本中的每个基因。我如下进行,以提取与所述FILE_NAME基因在标头:将文件名添加到循环内的多个fasta文件的fasta头文件中
pyfasta extract --header --fasta test.fasta gene_name1 | awk '/^>/ {$0=$0 "_file1"}1' > gene_name1.fasta
我成功地从每个样品建立针对每个基因的多个基因FASTA文件(来自循环的部分):
pyfasta extract --header --fasta $sample.fasta gene_name1 >> gene_name1.fasta
pyfasta extract --header --fasta $sample.fasta gene_name2 >> gene_name2.fasta
但,我无法将file_name添加到循环中文件的标题中(但可以在开始时提到的1个文件中)。总的来说,我的目标是从所有fasta文件(多线程)中提取具有相似基因名称的基因,并使用更新的头部(包括基因名称和文件名)制作基因特定的fasta文件(以便我应该知道哪些该基因出现的文件)+将基因序列附加到该基因名称的文件中。以下是样本输入和输出文件:
Input files:
#file1.fasta
>gene1
ATGC..............................max upto 120 characters per line
TTTG..............................................................
>gene2
ATGA
>gene3
ATGTTT
#file2.fasta
>gene1
ATGG
>gene2
ATGC
>gene3
ATGTT
Expected output files:
#gene1.fasta
>gene1_file1
ATGC...........................................................
TTTG...........................................................
>gene1_file2
ATGG
#gene2.fasta
>gene2_file1
ATGA
>gene2_file2
ATGC
请亲引导。 谢谢。
考虑要求在https://bioinformatics.stackexchange.com/ –