如何用Bash的Awk/sed命令仅保留FASTA头部的物种名称？

你之前用的sed 's/[1-9]/./g'完全没命中需求——它只是把数字替换成点，根本没处理FASTA头部里的编号前缀。要实现只保留物种名的目标，得针对性处理以>开头的行，把>后到第一个空格的编号部分删掉。

用sed实现 #

sed '/^>/s/^>[^ ]* />/' silva_species_assignment_v132.fa > textfile.txt

• /^>/：只匹配以>开头的FASTA头部行
• s/^>[^ ]* />/：把行首>后面所有非空格的字符（也就是编号）替换成>，直接保留空格后的物种名

用awk实现 #

如果你更习惯awk，这个命令也能达成目标：

awk '/^>/ {sub(/^>[^ ]* /, ">"); print; next} 1' silva_species_assignment_v132.fa > textfile.txt

• /^>/：匹配头部行
• sub(/^>[^ ]* /, ">")：替换掉头部行里的编号前缀
• next：跳过后续处理，直接打印修改后的头部行
• 1：对非头部行执行默认的打印操作

运行上面任意一个命令，都能得到你想要的输出：

>Regiella insecticola
AGAGTTTGATCATGGCTCAGATTGAACGCTGGCGGCAGGCCTAACACATGCAAGTCGAGCGGCAGCGGGGAGTAGCTTGCTACTCTGCCGGCGAGCGGC
>Pantoea dispersa
GCAGCTACACATGCAAGTCGAACGGCAGCACAGAAGAGCTTGCTCTTTGGGTGGCGAGTGGCGGACGGGTGAGTAATGTCTGGGAAACTGCCCGATGGA

内容的提问来源于stack exchange，提问作者Abhisek