使用 awk 或 sed 替换 fasta 标头中的单个字符

Question

我正在 bash 中使用一个 fasta 文件，该文件的标题以“>”开头，以“C”或“+”结尾。就像这样：

>chr1:35031657-35037706+
GGTGGACTAGCCAGTGAATGTCAACGCGTCCCTA
CCTAAGGCGATATCCGCAGCCGCCCGCGTCCCTA
>chr1:71979382-71985425C
agattaaatgaactattacacataaagtgcttac
ttacacataaagtgcttacgaactattacaggga

我想使用 awk （gsub？） 或 sed 将标题的最后一个字符更改为“+”（如果它是“C”）。基本上我希望所有序列都以“+”结尾。没有C。

期望的输出：

>chr1:35031657-35037706+
GGTGGACTAGCCAGTGAATGTCAACGCGTCCCTA
CCTAAGGCGATATCCGCAGCCGCCCGCGTCCCTA
>chr1:71979382-71985425+
agattaaatgaactattacacataaagtgcttac
ttacacataaagtgcttacgaactattacaggga

序列不需要改变任何东西。我认为这非常简单，但我自己很难使用其他帖子来做到这一点。我知道这awk '/^>/ && /C$/{print $0}'将打印以“>”开头并以“C”结尾的标题，但我不确定如何用“+”替换所有这些“C”。

感谢您的帮助！

Answer 1

我认为这会更容易做到sed：

sed '/^>/ s/C$/+/'

翻译：在以“>”开头的行中，将行末尾的“C”替换为“+”。请注意，如果“C”不匹配，则不会出现错误，它只是不会替换任何内容。此外，与 不同的是awk，sed它在处理后自动打印每一行。

如果您确实想使用awk，则等效内容是：

awk '/^>/ {sub("C$","+",$0)}; {print}'