三. Fasta文件处理常用命令

Posted 2023-03-14

参考技术A 1. 提取fasta文件abc.fas中序列>LG02的第164~202碱基之间序列，另存为abc_LG02_164_202.fas：

  $ more abc.fas|awk 'BEGINORS=""if(/>/)print "\n"$0"@";else print $0'|grep LG02|sed 's/@/\n/g'|grep -v '>'|awk 'print substr ($0,164+1,202-164-1)' >abc_LG02_164_202.fas

在文件abc_LG02_164_202.fas第一行插入“>abc_LG02_164_202”

  $ sed  -i '1i >abc_LG02_164_202' abc_LG02_164_202.fas

2. 截取fasta文件中序列XXXX及其前后n个碱基的序列：

  $ egrep  -o ‘.nXXXX.n’  abc.fas 

3. 从fasta文件中提取列表list中的序列（list格式：>a\n>b\n）：

  $ awk 'NR==FNRa[$0];next /^>/b=($1 in a) b'  list abc.fas >list.fas

4. 在fasta格式的氨基酸序列文件中，将序列中字符“.”去掉：

  $ more abc.fas|awk 'if(!/>/) gsub (/\./,"");print' > abc.fasta

5. 去除空行,去除wei行

  $  sed '/^\s*$/d'

  $  sed -i '$d'  a.txt 

6. 批量重命名

  $  ls |grep fastq.gz|awk -F "." 'print$1'|xargs -I mv .fastq.gz .fq.gz

7. 拆分文件，可将sh脚本拆分多个脚本同时后台运行，避免运行任务过多内存不足

   $  split -l 10 abc.sh -d -a 4 abc_

8. 提取rsem分析结果的FPKM

ls|grep genes.results|awk 'print "awk \047print $NF \047 "$0 " >"$0".list"'|sh

ls |grep results.list|awk 'BEGINORS="\t";print "paste\tID"print$0ENDprint" >Expression.FPKM\n"'|sh

ls |grep results.list|sed 's/.genes.results.list//g'|awk 'BEGINORS="\t";print "sed -i \0471i ID"print $0ENDprint"\047 Expression.FPKM\n"'|sh

more abc.list|awk 'print"grep \047\\b"$0"\\b\047 abc_Expression.FPKM >>abc.FPKM"'|sh