在UNIX系统中重命名FASTA/FASTQ文件的序列ID

需求说明 #

你需要把FASTA文件中每条read的ID行（以>开头），替换成第一个空格前的UUID与末尾barcode=后的内容用下划线连接的格式，序列部分保持不变。

解决方案1：使用sed命令 #

sed完全能满足你的需求，用正则精准匹配并替换ID行：

sed -E 's/^>([^ ]+) .* barcode=([^ ]+)/>\1_\2/' input.fasta > output.fasta

命令解释：

• ^>：只匹配以>开头的ID行
• ([^ ]+)：捕获第一个空格前的UUID内容（第一个分组）
• .*：匹配ID行中间所有无关内容
• barcode=([^ ]+)：捕获barcode=后面的具体值（第二个分组）
• >\1_\2：将整行替换为> + 第一个分组内容 + 下划线 + 第二个分组内容

解决方案2：使用awk命令 #

如果觉得正则不够直观，awk按字段处理会更清晰：

awk '/^>/ {split($NF, bc, "="); print ">" $1 "_" bc[2]; next} {print}' input.fasta > output.fasta

命令解释：

• /^>/：定位到ID行
• split($NF, bc, "=")：把ID行的最后一个字段（$NF表示最后一个字段）按=分割，存入数组bc，bc[2]就是我们要的barcode值
• print ">" $1 "_" bc[2]：输出格式化后的新ID
• next：跳过当前行后续处理，直接处理下一行
• {print}：非ID行（序列内容）直接原样输出

验证效果 #

用你提供的示例输入测试，两个命令都会生成你预期的输出结果：

>e855552f-9484-4674-8fc4-d9b1f1add023_barcode06
GCTTTAACATTTAGCTATTTATGACACAGTGAAATAAAAGTAATATCTTTTTATTTTTAATTGTATTTATTAGTTACATGTTTTCACATGCATTTAACATAAATGTGATAATTTATGGGAATTACACTACTGTCAAAGTAGTT
>c9d90319-ec63-4347-9244-ad080b0815c5_barcode11
GCCTTGACTATATGGTTTACCTGTTCAAATACGACTCTACTCATGGTCGTTTCAAGGGAACAGTTGAGGTTCAAGGATGGTTTCCTCGTAGTAGTCTCAATGGAAACAAATCTCCTGTCTTCTGTGAAAGAGACCCTAAAATC

内容的提问来源于stack exchange，提问作者Mar