在 fastq 文件中，如何将序列 headers 更改为文件名和唯一标识符？

Question

我正在处理条形码数据，我希望能够合并 fastq 文件并轻松分辨出读取的原始条形码。所以我试图将读取的名称更改为文件的名称（即 barcode01.fastq）并在末尾附加一个唯一的数字。我希望最终产品类似于：

> barcode01_1
AAGTAGCCTTCGTTCAGTTACGTATTG
+
(&)(*),+*)'(5<64?CA?<;A=@D6
> barcode01_2
...

到目前为止，我有以下使用 awk 的方法：

find . -type f -printf "/%P\n" | \
    while read FILE ; 
        do 
            PREFIX=$(echo ">",${FILE##*/}"_");
            awk -v PREFIX=$PREFIX '{
                if (NR%4 == 1) 
                    print PREFIX, ++i;
                else 
                    print [=12=]
            }' ${FILE} > ../${FILE}.fastq;
    done

这会从子目录中获取所有 fastq 文件并生成 headers > barcode01_ 1 但我不知道如何删除 space。如果我删除 PREFIX 和 ++i 之间的逗号：

find . -type f -printf "/%P\n" | \
    while read FILE ; 
        do 
            PREFIX=$(echo ">",${FILE##*/}"_");
            awk -v PREFIX=$PREFIX '{
                if (NR%4 == 1) 
                    print PREFIX ++i;
                else 
                    print [=13=]
            }' ${FILE} > ../${FILE}.fastq;
    done

这使得 headers 只增加数字而没有 > barcode01_ 部分。

Answer 1

将 ++ 推向 i 并不意味着 awk 会将其应用于 i 而不是 PREFIX。比较：

$ awk 'BEGIN{PREFIX="foo"; print PREFIX ++i}'
0

与：

$ awk 'BEGIN{PREFIX="foo"; print PREFIX (++i)}'
foo1

您的脚本还有其他几个问题，copy/paste 进入 http://shellcheck.net 以了解其中的一些问题，然后 post 如果您需要其他帮助，请提出一个新问题.

在 fastq 文件中，如何将序列 headers 更改为文件名和唯一标识符？

In a fastq file, how do I change the sequence headers to the file name and a unique identifier?

bash

awk

fastq