比较两个文件（fasta 和 txt），如果匹配则在 fasta header 前加上 txt 文件中的值

Question

我想根据参考文本文件中的信息更改我的 FASTA header。假设我有两个文件：

file1.txt（参考，tab-delimited）

chr1:100-1000(+)   ORF1_ORF2_
chr2:30-400(-)     ORF2_
chr3:50-4500(+)
chr4:60-800(-)     ORF1_

file2.fasta

>chr1:100-1000(+)
TTTTGAGAGGACTTCTCTGAGAGCTATGCTAGTCATCGAGGGGAAA
>chr2:30-400(-)
GGGGGGAGAGAGATCTCTGAGCTAGTCATCGTAGCTAGTCATGGGG
>chr3:50-4500(+)
ATGCGCGAGCGAGCGCGACGATCATCGTAGCTACAAAAAAAAAAAG
>chr4:60-800(-)
AGTCTAGCTATCGTAGCTGATCGTAGCTAGCTGATCGTAGCTAGTC

我想用file1.txt中的$1来识别file2.fasta中对应的header。如果匹配，则在当前 header 前加上来自 file1.txt 的 $2。所以所需的输出将是：

output.fasta

>ORF1_ORF2_chr1:100-1000(+)
TTTTGAGAGGACTTCTCTGAGAGCTATGCTAGTCATCGAGGGGAAA
>ORF2_chr2:30-400(-)
GGGGGGAGAGAGATCTCTGAGCTAGTCATCGTAGCTAGTCATGGGG
>chr3:50-4500(+)
ATGCGCGAGCGAGCGCGACGATCATCGTAGCTACAAAAAAAAAAAG
>ORF1_chr4:60-800(-)
AGTCTAGCTATCGTAGCTGATCGTAGCTAGCTGATCGTAGCTAGTC

我过去曾使用 awk 来比较两个文件的列，但我对如何将文本文件与 fasta 文件进行比较感到困惑（其中有 headers 和序列列）。任何帮助都会很棒！

Answer 1

$ awk 'NR==FNR{m[">"]=;next} {sub(/^>/,"&"m[[=10=]])} 1' file1 file2
>ORF1_ORF2_chr1:100-1000(+)
TTTTGAGAGGACTTCTCTGAGAGCTATGCTAGTCATCGAGGGGAAA
>ORF2_chr2:30-400(-)
GGGGGGAGAGAGATCTCTGAGCTAGTCATCGTAGCTAGTCATGGGG
>chr3:50-4500(+)
ATGCGCGAGCGAGCGCGACGATCATCGTAGCTACAAAAAAAAAAAG
>ORF1_chr4:60-800(-)
AGTCTAGCTATCGTAGCTGATCGTAGCTAGCTGATCGTAGCTAGTC

以上假定 file1 中的 $2 不能包含 &.

比较两个文件（fasta 和 txt），如果匹配则在 fasta header 前加上 txt 文件中的值

compare two files (fasta and txt), if match then prefix fasta header with value from txt file

awk

sed

bioinformatics

fasta