提取每个测序数据作为单独的文件 [英] extract each sequencing data as individual file

问题描述

有与指示基因测序的名字行的 ecoli.ffn 文件：

There is a ecoli.ffn file with rows indicating the name of sequencing genes:

$head ecoli.ffn
>ecoli16:g027092:GCF_000460315:gi|545267691|ref|NZ_KE701669.1|:551259-572036
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT
>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC

如上图所示，该基因命名为第一和第二之间的冒号：

As shown above, the gene name is between the 1st and 2nd colon:

g027092
g000011
g000012

我想用 ecoli.ffn 来生成三个文件： g027092.txt ， g000011.txt ， g000012.txt ，其中包含每个测序数据。

I would like to use ecoli.ffn to generate three files: g027092.txt, g000011.txt,g000012.txt, containing each sequencing data.

例如， g027092.txt 将包含原始数据，但无标题

For example, g027092.txt will contains the raw data but without the header:

$cat g027092.txt
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT

如何制作的？

推荐答案

AWK 来救援！

$ awk -F: -v RS=">" 'NR==FNR{n=split($0,t,"\n");
                             for(i=1;i<n;i++) a[t[i]];
                             next}
                     $2 in a{file=$2".txt"; 
                             sub(/[^\n]+\n/,""); 
                             print > file}' index file


$ head g*.txt
==> g000011.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT


==> g000012.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC


==> g027092.txt <==
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT

说明

NR == FNR {N = SP ... 块分析的第一个文件，并创建一个查询
  表

NR==FNR{n=sp... block parses the first file and creates a lookup table

$ 2一个{文件= $ 2.TXT; 如果当前记录是在查找表，
  使用密钥和txt扩展设置文件名

$2 in a{file=$2".txt"; if the current record is in the lookup table, set a file name using the key and txt extension

子（/ [^ \\ n] + \\ n /，）
  删除标题行

sub(/[^\n]+\n/,"") delete the header line

打印＆GT;文件并打印到指定的
  文件名。

print > file and print to the specified filename.

这篇关于提取每个测序数据作为单独的文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！