如何在FASTA文件中实现序列头的条件式字符串替换？

问题场景 #

我有一个大型FASTA文件，序列头包含多级分类的细菌物种名称，示例输入如下：

# file.fasta
>Bacteria;Actinobacteria;Actinobacteria;Streptomyces;Streptomycetaceae;Streptomyces;Streptomyces_sp._AA4;
TTGGCAGTCTCTCCCGCGAACCAGGCCACTGCTGCGACCACCTCGGCTGAATCCCGCGCGCAGGCCACGGGAATCCCCGG
>Bacteria;Actinobacteria;Actinobacteria;Pseudonocardiales;Pseudonocardiaceae;Amycolatopsis;Amycolatopsis_niigatensis;
TTGGCAGTCTCTCCCGCGAACCAGGCCACTGCTGCGACCACCTCGGCTGAATCCCGCGCGCAGGCCACGGGAATCCCCGG

需要实现的效果：遍历每个序列头，若包含Streptomyces则替换为>Streptomyces，否则替换为>Not Streptomyces，处理后输出如下：

# new_file.fasta
>Streptomyces
TTGGCAGTCTCTCCCGCGAACCAGGCCACTGCTGCGACCACCTCGGCTGAATCCCGCGCGCAGGCCACGGGAATCCCCGG
>Not Streptomyces
TTGGCAGTCTCTCCCGCGAACCAGGCCACTGCTGCGACCACCTCGGCTGAATCCCGCGCGCAGGCCACGGGAATCCCCGG

之前尝试用awk/sed但不知如何替换整个序列头，求可行方案。

解决方案 #

方法1：用awk实现（推荐，处理大文件更高效） #

awk逻辑清晰，天然适合按行处理文本任务：

awk '/^>/ { if($0 ~ /Streptomyces/) print ">Streptomyces"; else print ">Not Streptomyces"; next } 1' file.fasta > new_file.fasta

代码说明：

• /^>/：匹配以>开头的序列头行
• if($0 ~ /Streptomyces/)：判断当前行是否包含目标物种关键词
• 匹配成功输出指定头，否则输出另一个头
• next：跳过后续处理，直接进入下一行
• 1：对非序列头的序列内容行，直接原样输出

方法2：用sed实现 #

sed通过分支命令处理条件匹配，适合习惯sed语法的用户：

sed -e '/^>/ { /Streptomyces/c\>Streptomyces' -e 't' -e 'c\>Not Streptomyces' -e '}' file.fasta > new_file.fasta

代码说明：

• /^>/ { ... }：仅对序列头行执行花括号内操作
• /Streptomyces/c\>Streptomyces：匹配关键词时替换为指定头
• t：替换成功后直接跳至下一行，不执行后续命令
• c\>Not Streptomyces：未匹配关键词时替换为对应头

内容的提问来源于stack exchange，提问作者harpers29