如何生成一个fasta文件，仅使用perl文件头中的引用和病毒名

Question

我需要你的帮助。

我编写了一个perl脚本，该脚本将多线程文件转换为fasta文件。例如：

在多fasta文件中包含：

法氏囊诺卡氏菌( gi|983431797|ref|NZ_LN000000.1| gi|983431797|ref|NZ_LN000000.1| farcinica gi|983431797|ref|NZ_LN000000.1| NCTC11134，染色体:1) 法氏囊诺卡氏菌( gi|983431797|ref|NZ_LN123456.1| gi|983431797|ref|NZ_LN123456.1| farcinica gi|983431797|ref|NZ_LN123456.1| NCTC11134，染色体:2) 法氏囊诺卡氏菌( gi|983431797|ref|NZ_LN457532.1| Nocardia NCTC11134，染色体:3)

我的剧本是这样的：

file1.fa

法氏囊诺卡氏菌( gi|983431797|ref|NZ_LN000000.1| gi|983431797|ref|NZ_LN000000.1| farcinica gi|983431797|ref|NZ_LN000000.1| NCTC11134，染色体:1)

file2.fa

法氏囊诺卡氏菌( gi|983431797|ref|NZ_LN123456.1| gi|983431797|ref|NZ_LN123456.1| farcinica gi|983431797|ref|NZ_LN123456.1| NCTC11134，染色体:2)

在不同的fasta文件中。

但是，我需要我的脚本来生成一个文件，其中包含了多快捷键文件中的所有引用。例如：

fileReferences.txt:法氏囊诺卡氏菌基因组组装NCTC11134，染色体:1 ref|NZ_LN123456.1| ref|NZ_LN123456.1| farcinica基因组组装NCTC11134，2染色体:2 ref|NZ_LN457532.1| ref|NZ_LN123456.1| farcinica基因组组装NCTC11134，3染色体

你明白吗？

对不起，我是perl语言的新手，经过大量的研究，我完成了第一个脚本，但我无法完成它。所以如果有人能帮我，我会很感激的。请原谅我的英语。^^

我的剧本：

#!/usr/bin/env perl

use strict;

use warnings;

use IO::File;

my $usage = "\nUSAGE: perl $0 <Fasta>"."\n";

print $usage and exit unless($ARGV[0]);

my $input  = IO::File->new("$ARGV[0]");

my $output = "";


while(my $line = $input->getline)

{

    chomp($line);

    if($line =~ /^>/)

    {

         if($output ne "")

         {

              close ($output);

         }

         $line =~ s/^>//;

         $output  = IO::File->new("> $line.fa");

         print $output ">".$line."\n";

      }

      else

      {

          print $output $line."\n";

      }

  }


close ($input);

close ($output);

Answer 1

因此，基本上，您希望每个*.fa文件的第一行在一个fileReferences.txt中？如果是这样，请尝试如下：

awk 'FNR==1' *.fa > fileReferences.txt