如何编辑FASTA序列标题？含亚种/变种名称的处理咨询

针对你需要的FASTA标题格式转换需求，这里提供两种实用的处理方式：

方式一：使用sed命令（适用于Linux/macOS命令行） #

利用正则表达式精准匹配并替换，能完美处理包含subsp./var.的物种名称：

sed -E 's/^>(NR)_([0-9]+\.[0-9]+) ([A-Za-z]+ [A-Za-z]+( subsp\. [A-Za-z]+| var\. [A-Za-z]+)?).*/>\1\2_\3/; s/ /_/g' input.fasta > output.fasta

命令说明： #

• 第一部分正则匹配标题行：捕获NR_中的NR、版本号，以及包含亚种/变种的完整物种名称
• 第二部分把物种名称里的空格全部替换成下划线，自动将subsp.变成_subsp._的格式
• 非标题行（序列部分）会保持原样

方式二：使用Python脚本（跨平台通用） #

如果需要更灵活的调整，可编写简单的Python脚本：

import re

def format_fasta_title(line):
    if line.startswith(">"):
        # 匹配标题结构，提取NR编号、版本号和物种名
        match = re.match(r">NR_(\d+\.\d+) ([A-Za-z]+ [A-Za-z]+( subsp\. [A-Za-z]+| var\. [A-Za-z]+)?)", line)
        if match:
            nr_id = f"NR{match.group(1)}"
            species = match.group(2).replace(" ", "_")
            return f">{nr_id}_{species}\n"
    return line

# 处理文件
with open("input.fasta", "r") as infile, open("output.fasta", "w") as outfile:
    for line in infile:
        outfile.write(format_fasta_title(line))

脚本说明： #

• 只处理以>开头的标题行，序列行直接保留
• 正则专门匹配包含subsp.或var.的物种名称，确保完整提取分类学信息
• 替换空格为下划线，生成符合要求的标题格式

效果验证 #

用你提供的示例输入测试，两种方式都会输出：

>NR130660.1_Hanseniaspora_uvarum
 AAGGATCATTAGATTGAATTATCATTGTTGCTCGAGTTCTTGTTTAGATCTTTTACAATAATGTGTATCT
>NR131850.1_Cortinarius_timiskamingensis
 GGAAGTAAAAGTCGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTATTGAAATAAACCTGAT
>NR171752.1_Melanconis_marginalis_subsp._europaea
AACGACCACCCAGGGCCGGAAACTTCTCCAAACTCGATCATTTAGAGGAAGTAAAAGTCGTAACAAGGTC

内容的提问来源于stack exchange，提问作者hellofasta