如何将子字符串添加到一些（不是全部）fasta headers

Question

我有一个如下所示的 fasta 文件：

>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p 
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p 
AATTGCACTGATCCCGGCCTGC
>LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p 
CCGTAAGGCCGAAGACAAGAA
>LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p 
AAGAATAAGCCCGAGCAAGTCGAT

我想更改 headers 使它们看起来像这样：

>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p 
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p 
AATTGCACTGATCCCGGCCTGC
>miR-LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p 
CCGTAAGGCCGAAGACAAGAA
>miR-LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p 
AAGAATAAGCCCGAGCAAGTCGAT

请注意，并非所有 headers 都发生了变化，仅更改了示例中的最后 2 个，其中添加了“miRs”一词。到目前为止，我一直这样做： perl -p -e "s/^>/>miR-/g" seq.fasta 但这最终会导致一些 ID 添加了 miR-，即使他们已经拥有它。

我知道我可以对文件进行子集化并将其应用于那些在开始时缺少 miR- 的文件，然后重新合并，但我想找到一种更简单的方法来在一行中完成它，而无需太多手动干预。

Answer 1

您可以否定前瞻以仅匹配以 > 开头但后面不跟 miR- 的行。注意单引号。

perl -p -e 's/^>(?!miR-)/>miR-/g' file

Answer 2

你也可以说 sed:

sed -E "s/^>(miR-)?/>miR-/" seq.fasta

Answer 3

用awk可以得到没有miR的记录：

awk '[=10=] !~ /miR-/ && [=10=] ~ /^>/'  file
>LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p
>LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p

然后仅在这些记录中放入 miR：

awk '[=11=] !~ /miR-/ && [=11=] ~ /^>/ {gsub(/^>/, ">miR-")} 1' file
>miR-92|LQNS02278089.1_34108_3p  Parhyale hawaiensis 34108_3p
AATTGCACTCGTCCCGGCCTGC
>miR-92|LQNS02278089.1_34106_3p  Parhyale hawaiensis 34106_3p
AATTGCACTGATCCCGGCCTGC
>miR-LQNS02136402.1_14821_5p  Parhyale hawaiensis 14821_5p
CCGTAAGGCCGAAGACAAGAA
>miR-LQNS02278094.1_35771_5p  Parhyale hawaiensis 35771_5p
AAGAATAAGCCCGAGCAAGTCGA

如何将子字符串添加到一些（不是全部）fasta headers

How to add substring to some (not all) fasta headers

shell

perl

awk

sed

fasta