如何只保留一行的第二个字段并打印这一行和下一行？

Question

我有一个包含 2 行的 fasta 格式的文件：

• 第一行以符号 >
开头
• 第二行字母。 我只想保留第一行的第二个字段（逗号分隔符）并保持第二行不变。

不知道用什么简单的命令？你能帮帮我吗？

输入

>TRINITY_DN80808_c0_g1,TRINITY_DN80808_c0_g1_i1,g.1,m.1 type:internal len:692 gc:universal TRINITY_DN80808_c0_g1_i1:2-2074(+)
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2,TRINITY_DN80808_c0_g2_i1,g.2,m.2 type:5prime_partial len:329 gc:universal TRINITY_DN80808_c0_g2_i1:2-988(+)
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI

期望的输出

>TRINITY_DN80808_c0_g1_i1
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2_i1
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI

Answer 1

您可以简单地定位以

>

开头的行：

awk -F ',' '/^>/ { $0 = ">" $2 } 1' file.fasta

输出：

>TRINITY_DN80808_c0_g1_i1
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2_i1
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI

Answer 2

awk -F',' 'NR % 2 { $0 = ">"$2 } { print }' input_file

• awk
• 将分隔符设置为逗号 (

  -F','

  )

• NR % 2

  仅在 ODD 行上执行以下操作

  • { $0 = ">"$2 }

    将行设置为“

    >

    + col 2”中的内容

• { print }

  打印完整结果

• input_file

  输入文件的路径

---

输出：

>TRINITY_DN80808_c0_g1_i1
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2_i1
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI

Answer 3

$ awk -F',' '$0=(/^>/ ? ">" $2 : $0)' input
$ awk '$0=gensub(/^>([^,]*),([^,]*),(.*)/,">\\2",1)' input

>TRINITY_DN80808_c0_g1_i1
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2_i1
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI

Answer 4

您可以使用 sed 的 substitute 命令，并且只在以右尖括号开头的行上应用替换。替换只是删除第一个逗号之后的所有内容，包括逗号本身。

sed '/^>/s/,.*//' file.fasta

演示：

$ sed '/^>/s/,.*//' <<FASTA
>TRINITY_DN80808_c0_g1,TRINITY_DN80808_c0_g1_i1,g.1,m.1 type:internal len:692 gc:universal TRINITY_DN80808_c0_g1_i1:2-2074(+)
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2,TRINITY_DN80808_c0_g2_i1,g.2,m.2 type:5prime_partial len:329 gc:universal TRINITY_DN80808_c0_g2_i1:2-988(+)
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSMKLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI
FASTA
>TRINITY_DN80808_c0_g1
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY
>TRINITY_DN80808_c0_g2
LTLGRFATRLSDLFLVVGVSTSLILNPRVSNGGIFYTFAVEFYGSM>TRINITY_DN80808_c0_g1
KLQILHKTTVEEVPGAVLTFQGRIVAGVGNLLRVYEMGKQKLLRKCENKRIPSLI
LDSGALVQIHSNGIKHISDRVYEWVSDGIITHCACNPRQIVIATTNEIIYFELDINGQLNEYSERREMPAQVQAMALGPIPPSQVRSRFLAVTLSDQTVRIVSLDPQDCLQPLSMQALPATAESVCIIEASFGDDTYDTSLYLNIGLKNGVLLRTSLDSVTGDLSDTRTRYLGSKPVKLFRVIIANCPAILAVSSRSWLCYY