使用sed处理fasta序列中的特殊符号

最新推荐文章于 2022-11-20 16:38:47 发布
最新推荐文章于 2022-11-20 16:38:47 发布
阅读量5.6k 收藏 15
点赞数 5
分类专栏： 序列操作
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44022515/article/details/104257457
版权

从网上下载的DNA序列在做生物信息或者机器学习之前，需要对序列进行质控，观察是否有一些特殊字符如“-”，“>"等。sed 是一个字符处理命令，可以使用正则表达式，可以对序列替换，删除，查找等处理，速度非常块，本次使用sed处理序列
要处理的序列如下：

test$less test.fa
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
ACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT
--
GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
ACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT
--
GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAAAAAAA>BetaCoV/Wuhan/IVDC-HB-05/2019|EPI_ISL_402121
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
ACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT
--
GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA>BetaCoV/Wuhan/IPBCAMS-WH-01/2019|EPI_ISL_402123
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
1 .首先第二行下面的">"在中间，需要在此处分行，在“>"符号前面加\n换行符：
test$sed '2,$s/>/\n>/g' test.fa >test2.fa # 懂第2行开始到结尾行，将>替换为换行符(“\n”)+>
test$head test2.fa
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
ACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT
--
GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA-----
>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAA
AATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG
ACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT

所有">"已在新的一行，查看序列行数：

test$wc -l test2.fa
21 test2.fa
test$grep ">" test2.fa|wc -l
4

大部分序列最好将fasta文件序列文件变成一行，而上面显示是多行fasta

2. 多行fasta变单行
test$awk '/^>/&&NR>1{print "";}{printf "%s",/^>/?$0"\n":$0}' test2.fa >test3.fa
test$head test3.fa 
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA------
>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IVDC-HB-05/2019|EPI_ISL_402121
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IPBCAMS-WH-01/2019|EPI_ISL_402123
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG:test$ # 序列最后没有分行，无换行符

test$wc -l test3.fa
7 test3.fa
test$grep ">" test3.fa|wc -l
4

产看行“>"数目发现有4条fasta序列，应该有8行，而显示只有7行，而且查看序列发现最后一行没有换行符，所以序列末尾和linux终端命令连在一起，因此在序列最后末尾加上换行符：
单行变多行有多条命令可用，可参考本人文章一条命令实现fasta序列多行变单行

3. 序列最后加上换行符
test$sed '$s/$/\n/' test3.fa >test4.fa
test$wc -l test4.fa
8 test4.fa
test$grep ">" test4.fa|wc -l
4

加换行符还有第二种方法：

sed -i '$a\' test3.fa

-i表示直接在原来文件中修改，$表示在最后一行处理，a表示在末尾添加，\后面更要添加的内容，由于sed添加内容会先先换行，所以这儿后面不加如何内容直接换行。如果想加内容直接加在\后面即可，如sed -i '$a\yourtext'。

4. 去掉末尾的特殊符号

第一条序列末尾含有“----”横杠，需要删除，但序列中间的–应该保留

test$sed -r 's/\-+$//' test4.fa >test5.fa
test$cat test5.fa
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IVDC-HB-05/2019|EPI_ISL_402121
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTT--GTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IPBCAMS-WH-01/2019|EPI_ISL_402123
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG

第一行末尾-----已删除

参数意义：

  • r ：扩展的正则表达式
  • s：sed替换命令；
  • \：转义符号；
  • +：扩展正则表达式，表示一个或者多个；
  • $：定位符，每行末尾。

如果序列中含有“ . ” “ * ”等符号时，也可以用该命令替换，如修改* 可用sed -r 's/\*+$//' test4.fa >test5.fa

5. 序列中间含有“-”，可能是比对时产生的，我们将其换成n

由于在序列名称中也有-，因此需要反向选择含有“>"的行，即出去开头含有“>"的行

test$sed '/^>/!s/-/N/g' test5.fa >test6.fa
test$cat test6.fa
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IVDC-HB-05/2019|EPI_ISL_402121
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>BetaCoV/Wuhan/IPBCAMS-WH-01/2019|EPI_ISL_402123
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG

可见序列中间的–变成NN
参数意义

  • /^>/!s/-/N/g’
  • /^>/！ : ^定位符，序列开头；/^>/ 匹配>开头的行，就是序列标题行。然后！否定符号，即符合匹配模式之外的行，就是序列行
  • s/-/N/g：s，sed 替换，g全局替换
6.序列名字太长，修改序列名字只保留accession
test$grep ">" test6.fa 
>BetaCov/Wuhan/IVDC-HB-01/2019|EPI_ISL_402119
>BetaCoV/Wuhan/IVDC-HB-04/2020|EPI_ISL_402120
>BetaCoV/Wuhan/IVDC-HB-05/2019|EPI_ISL_402121
>BetaCoV/Wuhan/IPBCAMS-WH-01/2019|EPI_ISL_402123

观察序列名称的模式，发现只需要把BetaCov…|删除即可，由于第一序列cov中的v为小写，需要正则表达是[]

test$sed 's/BetaCo[vV]\/.*|//' test6.fa >test7.fa
test$cat test7.fa 
>EPI_ISL_402119
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>EPI_ISL_402120
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAAAAAAA
>EPI_ISL_402121
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGGACACGAGTAACTCGTCTATCTTCTGCAGGCTGCTTACGGTTTCGTCCGTGTTGCAGCCGATCATCAGCACATCTAGGTTTNNGTGATTTTAATAGCTTCTTAGGAGAATGACAAAAAAAAAAAAAAAAAAAAA
>EPI_ISL_402123
ATTAAAGGTTTATACCTTCCCAGGTAACAAACCAACCAACTTTCGATCTCTTGTAGATCTGTTCTCTAAACGAACTTTAAAATCTGTGTGGCTGTCACTCGGCTGCATGCTTAGTGCACTCACGCAGTATAATTAATAACTAATTACTGTCGTTGACAGG

参数意义：
‘s/BetaCo[vV]/.*|//’

  • BetaCo[vV]:表示匹配BetaCov和BetaCoV
  • / :表示匹配名称中的“/”，需要转义符号“\”将其于sed命令的“\”区分开
  • .* :.任意字符，0次或者多次，此处也可改成+（1次或者多次，但要加-r参数，指定其使用扩展正则表达式）

最终结果序列名称更加精简，序列中不含特殊字符，并且变成一行，可以用于下游分析。

ASR项目实战-后处理
Jackie的家
02-06 1551
在本环节要处理的重要特性有分词、断句、标点符号、大小写、数字等的格式归一等。 分词 和NLP、搜索等场景下的分词含义不同。对于拼音类的语言，比如英语、法语等，句子由多个单词组成，语音输出的结果，需要按需在各个单词之间补充或者去掉空格。对于中文来说，字和词之间不以空格作为边界，因此分词的意义不明显。 断句 狭义的语音识别只处理语音到文字的转换，由于语音数据中缺少一些明确的提示信息，因此语音识别的结果中欠缺断句的信息。对于用户使用语音识别的结果时，缺少断句的文本会降低阅读体验，增加理解的困难，同时限制了语音识别
【Linux】生物信息学常用基本命令
2301_76771985的博客
06-25 1410
其中tar是用于打包的命令，-c表示创建一个新文件，-f后面跟的是创建的文件的文件名，最后是要把哪些文件打包，当然可以把这几个文件名全复制下来写在这里，但是比较麻烦，我们发现这几个文件的文件名唯一不同的地方就是1 2 3 4这里的数字，我们使用*替代这个位置，*在这里是通配符的作用，表示只要含有TAIR10_chr什么什么.fas的文件名都要打包起来。yy这个方式就是一次复制一行，但是如果我们想要一次复制好几行，比如三行，就按3y，如果要选择性的复制某些内容，就要按v先进入可视化模式，如图。
sed中的特殊字符
EmptyStupid的博客
11-07 3763
sed中的特殊字符
java写文件是调用sed吗_如何使用sed重命名fasta文件头
weixin_42356137的博客
02-26 131
我知道这很容易，但我不能让它工作 . 我试图使用sed重命名标头，虽然reg experssion工作，但我无法重命名fasta标头 . 这是一个小例子 . 我有一个多序列fasta文件，如下所示>Bra000001CTTATTTTCTCCTTCACCACCGTACCACAGAAAAAAACTGTGATTTTAAAAGCCACATTTACTTCTTTTTTTGTTGGGTCTAAATGTTA...
sed 处理fasta/q 文件
qq_36608036的博客
09-21 989
sed 是一种流编辑器，它一次处理一行内容。 处理时，把当前处理的行存储在称为“模式空间”（pattern space）的临时缓冲区中，接着用 sed 命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾。 生成联系文件 leadingsci@DELL5577:~/Test$ cat df.txt Filesystem Size Use...
领扣LintCode算法问题答案-76. 最长上升子序列
二当家的白帽子
10-13 298
领扣LintCode算法问题答案-76. 最长上升子序列 目录76. 最长上升子序列描述样例 1：样例 2：题解鸣谢 76. 最长上升子序列 描述 给定一个整数序列，找到最长上升子序列（LIS），返回LIS的长度。 最长上升子序列的定义： 最长上升子序列问题是在一个无序的给定序列中找到一个尽可能长的由低到高排列的子序列，这种子序列不一定是连续的或者唯一的。 样例 1： 输入: [5,4,1,2,3] 输出: 3 解释: LIS 是 [1,2,3] 样例 2： 输入: [4,2,4,5,3,7] .
【grep在数据处理中的应用】：如何使用grep进行深入文本分析
grep（Global Regular Expression Print）是一个用于文本搜索的命令行工具，在Unix和类Unix系统中广泛使用。它能通过正则表达式快速地搜索出符合特定模式的字符串，并将匹配到的内容输出到标准输出。 ## 1.2 安装与...
诺禾致源学习笔记
super_qun的博客
03-03 2578
linux命令 linux的权限 权限： 权限 意义 分数权制 w 写 4 r 读 2 x 执行 1 eg： 7=4+2+1 #代表w+r+x权限 帮助文件：man（详细讲解）和–help（使用语法简介） 目录操作： ls -r #反序排列 ...
sed与正则表达式格式化小麦的fasta文件
pwbyck的博客
12-23 1075
sed的那些坑
一行代码去除序列中含有n或者其他简并碱基的低质量序列
XH生信和机器学习空间
12-17 5521
一行代码去除atcg/ATCG之外的碱基的序列 不管是测序的序列，还是从数据库中下载的序列，部分序列中含有位置的碱基n或者简并碱基如W,R, K等，这些碱基可能很可能是测序质量不佳或者对后续分析不利需要去除，可以使用一行代码去除 去除含有n的序列 awk '{if($0~/^>/)a=$0;else{if($0!~/n/)print a"\n"$0}}' yourfile.fa >...
linux系统fasta程序,fasta格式文件处理大全（一）
weixin_29973077的博客
05-01 4908
前面我们介绍了fastq格式文件的处理，大概有20多个案例，掌握了这些案例，后面拿到fastq格式之后就可以根据需求，使用合适的软件工具进行处理了，从这次内容开始，我们将逐渐介绍fasta格式文件的处理。相比于fastq格式，fasta格式处理更加容易。1 文件格式介绍FASTA文件主要用于存储生物的序列文件，例如基因组，基因的核酸序列以及氨基酸等，是最常见的生物序列格式，一般以扩展名fa,fas...
利用Python解决生物问题-批量简化fasta文件中的ID
qq_44520665的博客
07-09 2432
快速批量简化N个fasta文件的ID，方便后续分析
【Shell】Sed 删除、替换、增加字符串
热门推荐
bandaoyu的note
09-01 4万+
Sed语法 删除、替换、增加字符串 删除 # Delete text between patterns, excluding the lines containing these patterns(不删除所在行）: sed -i '/PATTERN-1/,/PATTERN-2/{//!d}' input.txt # Delete text between patterns, including the lines containing these patterns（所在行也删除）: sed
根据ProteinID，去掉.faa文件中冗余的protein序列，并记录organism于蛋白名称中
weixin_48409429的博客
10-21 1585
目的如题。 准备：Allwp.faa保存于D:\PyCharm\py_code\test 将以下代码写入MoveRedundancy.py中，并分段运行 创建文件夹D:\PyCharm\py_code\test\AllWP 备注：NCBI中不同的Organism可能含有相同的蛋白。Allwp.faa包含冗余蛋白序列，中蛋白名称的格式为：organism1(ProteinID1), organism2(ProteinID2)。欲对Allwp.faa去...
生信必会格式：Fasta & Fastq 简介及转换
生信学习
11-20 2万+
FASTA和FASTQ文件，其实还是文本文件，用于存储序列信息。平时为了存储方便，节省空间，所以变成了GZ的压缩文件（二进制文件，不能直接用head、less等命令直接查看）。之前没有好好记笔记，现在补上😑。
R语言删除fasta格式回车换行符
Hentai1989的博客
03-14 2597
去除回车
从一个很大的fasta文件提取序列名称含有特定字样的序列
a7789890的博客
05-18 2292
这是我导师给我的一个任务 从一个很大的fasta文件提取序列名称含有特定字样的序列，合成新的fasta文件 一开始一直想不到怎么去做，知道调用了split-fasta这个python库。 话不多说，上代码! (这是基于windows下的啊 打开pycharm copy好文件到项目目录 系统终端输入： pip install spilt-fasta 之后直接在命令行（系统终端命令行，不是python的） splitfasta 你要分割的fasta文件名.fasta 之后他会创建一个目录test_split
shell脚本 sed命令 特殊符号匹配的解决方法
weixin_34075551的博客
04-01 1248
----------------#!/bin/bash SJK_SJ="aaa 2013/12/31"ZZSJ="bbb 2012/12/31"#这三种都可以 空格都能匹配#sed -i "s@$SJK_SJ@$ZZSJ@" aaa.data#sed -i "s|$SJK_SJ|$ZZSJ|" aaa.data#sed -i "s#$SJK_SJ#$ZZSJ#" aaa.data #这样不行#s...
sed替换中有特殊符号
最新发布
02-21
### 处理 Sed 中特殊字符的字符串替换 当使用 `sed` 命令进行字符串替换时，如果目标字符串或新字符串中含有特殊字符（如 `/`, `.`, `$` 等），则需要对这些特殊字符进行转义处理。通常的做法是在特殊字符前加反斜杠 `\` 来取消其特殊含义。 对于更复杂的路径或其他包含多个斜杠的情况，可以考虑改变分隔符以简化表达式。例如，在默认情况下，`sed` 使用正斜杠 `/` 作为分隔符；但是可以通过指定不同的字符（比如 `#` 或 `|`）来替代它[^2]。 #### 示例：将特定路径替换为另一路径 假设有一个文件夹下的所有文件中存在旧路径 `/home/user/old/path/to/resource` 并希望将其全部替换成新的路径 `/mnt/data/new/location/of/resource` 。此时可以直接采用如下命令： ```bash #!/bin/bash sed -i 's#/home/user/old/path/to/resource#/mnt/data/new/location/of/resource#g' $(find ./ -type f) ``` 这里选择了井号 `#` 而不是传统的斜线 `/` 作为了定界符，从而避免了频繁地对路径里的每一个斜线都做额外的转义操作[^4]。 另外一种情况是当待替换文本中有句点`.`这样的元字符时也需要特别注意。因为句点本身在正则表达式里代表着任意单个字符的意思，所以应该先把它转换成字面意义上的点即`\.`: ```bash #!/bin/sh sed -i 's#\.\./jre1\.8\.0_231/bin/java#\.\./\.\./jdk1\.8/bin/java#g' ``` 此例子展示了如何通过更改分隔符以及适当位置添加反斜杠的方式完成复杂模式下的精确替换任务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值