将文件名添加到循环内多个fasta文件的fasta标头

Question

我有10个fasta文件(每个文件包含来自10个样本的20个基因序列)。我想创建20个文件，特定于10个样本中的每个基因。我按照以下步骤在标题中使用file_name提取基因：

pyfasta extract --header --fasta test.fasta gene_name1 | awk '/^>/ {$0=$0 "_file1"}1' > gene_name1.fasta

我成功地为每个样本中的每个基因创建了多个基因fasta文件(loop中的一部分)：

pyfasta extract --header --fasta $sample.fasta gene_name1 >> gene_name1.fasta 
pyfasta extract --header --fasta $sample.fasta gene_name2 >> gene_name2.fasta

但是，我无法将file_name添加到循环中文件的头部(但可以添加一个文件，如开头所述)。

总而言之，我的目标是从所有的fasta文件(多线程)中提取具有相似基因名称的基因，并生成具有更新的头文件的基因特定的fasta文件，包括基因名称和文件名(这样我应该知道该基因来自哪个文件)，并在文件中附加带有该基因名称的基因序列。以下是示例输入和输出文件：

Input files:
#file1.fasta

>gene1
ATGC..............................max upto 120 characters per line
TTTG..............................................................
>gene2
ATGA
>gene3
ATGTTT

#file2.fasta

>gene1
ATGG
>gene2
ATGC
>gene3
ATGTT

Expected output files:

#gene1.fasta
>gene1_file1
ATGC...........................................................
TTTG...........................................................
>gene1_file2
ATGG

#gene2.fasta
>gene2_file1
ATGA
>gene2_file2
ATGC

请指点一下。谢谢。

Answer 1

你的问题不清楚，但听起来你需要的是：

... | awk -v fname="$sample" '/^>/ {$0=$0 "_" fname}1'