用第一行的一部分重命名 FASTA 文件

Question

我想用第一行的一些信息重命名一些基因组FASTA文件，但我想不出来。

这里有一个例子，两个文件：

GCA_000007365.1_ASM736v1_genomic.fna:

>AE013218.1 Buchnera aphidicola str. Sg (Schizaphis graminum), complete genome
ATGTCAAAGTCGTATTTAAAAAATTTTGATGTTATTGTTATTGGTGGAGGGCATGCTGGCACTGAAGCTGCAGCAGCCTC
TGCAAGAGTAGGTTGTAAAACATTATTATTAACTCAAAAAATAACTGATATAGGTGTATTATCTTGCAATCCTGCTATCG

GCA_000012065.2_ASM1206v2_genomic.fna:

>CP000048.1 Borrelia hermsii DAH, complete genome
TACCACTACACTTATTAATAATACATACTCACGCCTGGGGGGAAAAATTCAATAATGGAAACCTTACAAATATAAAACCA
CTACAAATAGGTATTATTCAGCATAATTATATAAATTTAACTCCTTATAATCAACATTATAAATATTACGCTTTCATTGG

我想用 FASTA 文件第一行的信息重命名一千个 *.fna 文件，给出：

Buchnera_aphidicola_AE013218.1.fna
Borrelia_hermsii_CP000048.1.fna

FASTA header保持不变。只是文件名。

Answer 1

您可以遍历所有 .fna 文件，提取单词，用 awk 重新排列它们并将它们放入 mv 命令中，如下所示：

for fname in *.fna; do
    mv -- "$fname" \
    "$(awk 'NR==1{printf("%s_%s_%s\n",,,substr(,2));exit}' "$fname")".fna
done

在 mv 命令前添加一个 echo 以查看其输出结果

mv -- GCA_000007365.1_ASM736v1_genomic.fna Buchnera_aphidicola_AE013218.1.fna
mv -- GCA_000012065.2_ASM1206v2_genomic.fna Borrelia_hermsii_CP000048.1.fna

-- 是为了确保以连字符开头的文件名不会被解释为 mv 的选项。¹

下面是命令替换中 awk 命令的作用，更清晰：

NR == 1 {
    printf("%s_%s_%s\n", , , substr(, 2))
    exit
}

printf 的格式化字符串重新排列了前三个单词； substr 从第一个单词中删除前导 >。 exit 阻止处理文件的其余部分；它不会改变结果，但会减慢速度。

¹ 更便携 mv "./$fname" "./$( ... )"；据我所知，-- 是 GNUism。

用第一行的一部分重命名 FASTA 文件

Rename FASTA files with part of their first line

bash

fasta