从tsv转换为fasta

Question

我在我的文件夹中有一堆TSV文件，对于其中的每个人，我想得到一个fasta文件，其中符号'>‘之后的标题是文件的名称。我的TSV文件有5列没有标题：

因此：

输入文件名为："A.coseq.table_headless.tsv“的HIV1B-pol-seed 15 MAX 1959 GTAACAGACTCACAATATGCATTAGGAATCATTCAAGC输出文件名为"A.fasta”

A_MAX

GTAACAGACTCACAATATGCATTAGGAATCATTCAAGC

我想在bash中为所有文件同时运行该脚本，但我有一个无法工作的脚本，因为在awk print语句中，我有一个大括号：

for sample in `ls *coseq.table_headless.tsv`
do
base1=$(basename $sample "coseq.table_headless.tsv")
awk '{print ">"${base1}"_"$3"\n"$5}' ${base1}coseq.table_headless.tsv > ${base1}fasta

done

你知道怎么改正这段代码吗？非常感谢

Answer 1

如果基名是直到第一个".“的部分，你也可以摆脱循环。

 awk '{split(FILENAME,base,"."); 
       print ">" base[1] "_" $3 "\n" $5 > base[1]".fasta"}' *coseq.table_headless.tsv

Answer 2

另一个awk解决方案：

awk '{ pfx=substr(FILENAME,1,index(FILENAME,".")-1); 
       printf(">%s_%s\n%s\n",pfx,$3,$5) > pfx".fasta" }' *coseq.table_headless.tsv 

• pfx包含文件名的第一部分(直到第一个.)

Answer 3

到目前为止发布的其他解决方案有几个问题：

除非您使用GNU awk，否则

1. 在写入时不关闭文件将产生“打开的文件太多”错误，
2. 在每次读取一行而不是打开输入文件时计算输出文件名是低效的，并且
3. 在输出重定向的右侧使用带括号的表达式是未定义的行为，因此仅适用于某些awk(包括GNU awk)。

这将在所有awks中稳健而高效地工作：

awk '
    FNR==1 { close(out); f=FILENAME; sub(/\..*/,"",f); pfx=">"f"_"; out=f".fasta" }
    { print pfx $3 ORS $5 > out }
' *coseq.table_headless.tsv