使用部分匹配向fasta标头添加前缀

Question

我有一个fasta文件，其中的标题如下所示：

>scf7180000349958_18140-5p
>scf7180000350303_40840-5p
>scf7180000349939_17296-5p
>scf7180000350072_24702-5p
>scf7180000347531_4577-3p
>scf7180000350345_46159-3p

我想在密钥文件中为这个头添加一个前缀。问题是密钥文件中的in只是部分的(缺少-5p或-3p部分)，这使我更难解决它。

Map file
IDs prefix
scf7180000349958_18140  mir-67
scf7180000350303_40840  let-7
scf7180000349939_17296  mir-252
scf7180000350072_24702  mir-11
scf7180000347531_4577   mir-124
scf7180000350345_46159  mir-449

#Expected results in fasta file
>mir-67_scf7180000349958_18140-5p
>let-7_scf7180000350303_40840-5p
>mir-252_mir-252_scf7180000349939_17296-5p
>mir-11_scf7180000350072_24702-5p
>mir-124_scf7180000347531_4577-3p
>mir-449_scf7180000350345_46159-3p

Answer 1

使用awk

$ awk 'NR == FNR { ids[sprintf(">%s", $1)]=$2; next }
       $1 in ids { $1 = sprintf(">%s_%s", ids[$1], substr($1, 2)); }
       1' map.txt FS=- OFS=- input.fasta
>mir-67_scf7180000349958_18140-5p
>let-7_scf7180000350303_40840-5p
>mir-252_scf7180000349939_17296-5p
>mir-11_scf7180000350072_24702-5p
>mir-124_scf7180000347531_4577-3p
>mir-449_scf7180000350345_46159-3p

首先将映射文件中的所有id和前缀存储在数组中，然后将字段分隔符(输入和输出)设置为破折号，这样您就可以轻松地引用id的前导部分，对于fasta文件中的每一行，如果数组中存在该前导id，则向其添加前缀，并打印fasta文件中的所有内容。