通过删除“-”之后的字符串来仅编辑 fasta 标题的第一列

Question

我有一个具有以下标头结构的 fasta 文件：

>Saurogobio_punctatus-NC_080528.1|taxid=1771284|cellularorganisms,Eukaryota,Opisthokonta,Metazoa
GCTAGCGTAGCTTAATATAAAGCATAACACTGAAGATGTTAAGATGAGCCCTAA

每个部分由管道

'|'

分隔，第一部分是

species_name-accessionID

的组合。

我想删除连字符

'-'

之后的 accesionID，但保留其他所有内容。像这样：

>Saurogobio_punctatus|taxid=1771284|cellularorganisms,Eukaryota,Opisthokonta,Metazoa
GCTAGCGTAGCTTAATATAAAGCATAACACTGAAGATGTTAAGATGAGCCCTAA

我已经尝试过：

sed -E '/^>/s/(\|[^-]*)-.*$/\1/' input.fasta > output.fasta

但这会删除连字符之后的所有内容

'-'

:

>Saurogobio_punctatus
GCTAGCGTAGCTTAATATAAAGCATAACACTGAAGATGTTAAGATGAGCCCTAA

我之前使用过这段代码来编辑标题并在第二列之前包含

taxid=

：

awk 'BEGIN { FS=OFS="|" } /^>/ { print $1, "taxid=", $2, $3; next } { print }' file.fa > edit_file

我想知道是否有办法组合这两个命令，我编辑第一列，然后重新打印其余部分，但我不知道该怎么做:(

我感谢任何帮助！

Answer 1

我建议用

sed

:

sed 's/-[^|]*//' file

输出到标准输出：

>Saurogobio_punctatus|taxid=1771284|细胞生物，真核生物，后孔动物，后生动物
GCTAGCGTAGCTTAATATAAAGCATAACACTGAAGATGTTAAGATGAGCCCTAA

---

请参阅：Stack Overflow 正则表达式常见问题解答