如何将NCBI下载的fsa_nt格式细菌基因组contigs文件转为FASTA？

先排查文件结构 #

fsa_nt是NCBI产出的FASTA变体，可能包含开头注释块或特殊格式的序列头。先检查文件前几行确认问题：

head -20 your_file.fsa_nt

重点看是否有LOCUS、DEFINITION这类非FASTA标准的行，或是序列头有异常字符。

修正seqkit的用法 #

如果之前seqkit转换失败，大概率是命令参数不对，试试最基础的格式提取命令：

seqkit seq your_file.fsa_nt -o converted.fasta

如果文件包含开头的非FASTA注释块，先过滤掉这些内容只保留标准FASTA部分：

grep -A 1000 ">" your_file.fsa_nt | grep -v "^--$" > converted.fasta

该命令会提取所有以>开头的序列描述行及后续序列内容，同时移除grep生成的分隔符--。

备选文本处理方案（不用seqkit） #

如果seqkit仍无法处理，用更通用的shell工具：

• sed快速过滤：

sed -n '/^>/,$p' your_file.fsa_nt > converted.fasta

从第一个>开始输出到文件末尾，直接跳过开头的非FASTA注释。

• awk合并多行序列：

awk '/^>/ {if (seq) print seq; print; seq=""} {seq=seq $0} END {print seq}' your_file.fsa_nt > converted.fasta

自动将多行序列合并为单行，同时保留正确的序列描述行。

验证转换结果 #

用seqkit确认输出文件是标准FASTA：

seqkit stats converted.fasta

若输出包含序列数量、总长度等统计信息，说明转换成功。

内容的提问来源于stack exchange，提问作者Litsa Abdelnour