如何使用 sed 命令从 fasta 标头中提取 [ ] 括号内的内容？

Question

我有一个 MSA fasta 文件，标题采用这种格式 -

GAN08245.1/5-191 cyclin-L1 [Mucor ambiguus]
LNNPLASLEQLETTVSRR-DGISEELEADLRNLGAELIQSAGILLKLPQVAMATAQVLFQRFFYMSLKEFGI
V-EIGGLFLASTHLITVYDLIIRKMKGIVPLDAFSKAYNLKNAIAAEMQILRQLGFIVHVQLPYNMINYLRI
LGLISKRAWNYLNDEPATIACAAICREQGIKLPTLPGWWDVSAT-L----------------------
GES74777.1/6-191 cyclin-like protein [Rhizophagus clarus]
LQNAILTYGQLETTPSKK-DNIPEELEDELRRLGCDFVQSAGIVLRLPQVAMATAQVLFQRIIKESLLKGH-
----------------------RRYRNNESLEYLGVFYEMKDLVIAEMQILKKLGFNVHVQLPYGMVNYLKV
LELIPQKAWGYLNDQPATIACAVIARIAQVKLPTSPPWWEAEDE-ISRHIMRLY-NLPLDELEYLKKG

我希望输出只有

M.ambiguus

，

R.clarus

等，并保持序列。
如何使用

sed

命令来实现？还是有其他命令可以做到这一点？

我尝试使用

awk

，它提取出没有任何序列的名称。

awk -F '[][]' '{print $2}' input.fa > output.fa

Answer 1

怎么样：

grep '[' 我的文件.txt | sed -E 's/.[//' | sed -E 's/].//'

Answer 2

您可以使用

grep

和

sed

的组合：

grep -Eo '\[.*?\]' input.fa | sed -E 's:\[(\w)\w*\s*(.+)\]:\1.\2:g' >output.fa

Here

grep -o

仅从您的输入文件中查找并输出方括号及其内容。

sed

删除括号并用它的第一个字母和一个点替换第一个单词。

Switch

-E

在两个命令中启用 ERE 而不是 BRE。

编辑：如果你想用

[Rhizophagus clarus]

替换

[R.clarus]

并保留所有其他内容它更简单：

sed -E 's:\[(\w)\w*\s*(.+?)\]:[\1.\2]:g' input.fa >output.fa