在bash中向FASTA文件头中添加“AC.26”

Question

我有48411 K的FASTA序列，每个1555个字符的长度(在一个文件中，总计78.3Mb)，标题如下：

CYTC2889-12 HM036578 Homo sapiens

但不幸的是，空格被用来分隔文本，而不是通常的“AC.26”(我认为)。

我想在页眉中添加“AC.26”，这样它们就变成

CYTC2889-12|HM036578|Homo sapiens

我只需要替换前两个空格。在物种名称中不应该有管道。因此，最终的结果应该是“智人”，而不是“智人”。

我不确定如何继续，因为所有空格都将被一个管道所取代，而不是前面两个标识符(上面示例中的CYTC2889-12和HM036578 )中的空格，@CharlesDuffy指出了这一点。

这似乎是一个简单的任务(?)，但我被空格作为分隔符使用(或者说我认为这就是使用空格的方式)抛之脑后。

有什么想法吗？

Answer 1

OP还没有提供一组显示头文件和非头文件的示例数据，因此，基于其他与fasta相关的问题，我将猜测只有空格的行是头行。

设置：

$ cat bogus.fasta
>CYTC2889-12 HM036578 Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12 HM036578 Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12 HM036578 Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12 HM036578 Homo sapiens
CCATCATTGGCGTCTACA

一个sed用管道(|)代替前两个空格的想法：

$ sed 's/ /|/1;s/ /|/1' bogus.fasta
>CYTC2889-12|HM036578|Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12|HM036578|Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12|HM036578|Homo sapiens
CCATCATTGGCGTCTACA
>CYTC2889-12|HM036578|Homo sapiens
CCATCATTGGCGTCTACA

其中：

• 1 s/ /|/1说要用管道替换我们找到的第一个空格；这行修改后的行现在成为脚本的下半部分的输入，其中.
• ，第2 s/ /|/1还表示用管道替换我们找到的第一个空间(在本例中，这实际上是原始文件中的第二个空格)

如果结果看起来正确，OP想要修改原始文件，那么.假设使用GNU sed ..。可以添加-i标志，以强制使用更改更新输入文件，例如：

sed -i 's/ /|/1;s/ /|/1' bogus.fasta