FASTA文件分割

FASTA格式是一种用于记录序列的文本格式，在生信分析中经常会用到.fasta文件中往往储存成千上万条序列，而在某些时候，需要对文件进行分割，如分割成每个序列一个文件，或分割成较小的fasta文件
假如有如下数据：
Tricas1.fasta
$ head Tricas1.fasta

CM000276.2
tgatttttaggttagaaattgttttttaaacacgtgttcgcgccattttttttatttatt
tgccaattaagtgcacgtgtccgcgccatttaaaattttgttaccgatttagtgcgattt
tttaggttggcattactttttaaacacgtaactgcgccatttttttaatttagttacctg
tttagcgtgatttttaggttagaaattgttttttaaacacgtgttcgcgccatttttttt
atttatttgccaattaagtgcacgtgtccgcgccatttaaaattttgttaccgatttagt
gcgattttttaggttggcattactttttaaacacgtaactgcgccatttttttaatttag
ttacctgtttagcgtgatttttaggttagaaattgttttttaaacacgtgttcgcgccat
tttttttttatttatttaccgaataagtgcacgtgtccgctccatttaaaattttattag
cgatttagtgcgattttttaggttggcattactttttaaacacgtaactgcgccattttt

这里介绍几种方法对fasta文件进行分割。
方法一：awk
这个方法将文件分割为每条序列一个文件

awk '/^>/{s=++num}{print > "Tricas1_"s".fa"}' Tricas1.fasta

awk 依次对文件的每一行进行处理，当遇到 > 开头的行时，执行 ++num（即 num = num + 1），并将结果赋值给 s，然后将结果重定向给 example_s.fa（其中，在第一条序列时，s 为 1）；当处理的行为序列时，语句 /^>/{s=++num} 不执行，直接执行 {print > "example_"s".fa"}（和 {print $0 > "example_"s".fa"} 一样）。

基于以上原理，实现了 fasta 文件的分割。
方法二：perl
该程序可以通过参数 --n-parts num 设定需要将文件设定为 num份，如下面的示例将文件分为两份（使得序列数目尽量相同）；当将num 设置成序列的总数时，其效果与方法一

$ perl fasta-splitter.pl --n-parts 2 Tricas1.fasta
程序下载地址：http://kirill-kryukov.com/study/tools/fasta-splitter/files/fasta-splitter-0.2.6.zip

解压即可使用：unzip fasta-splitter-0.2.6.zip

转载于:https://www.cnblogs.com/huangyinger/p/10418661.html