Linux/Ubuntu下提取FASTA标题最后分隔符后数字并追加至标题末尾

你可以用以下sed命令实现需求，针对以>开头的标题行，提取最后下划线后的数字并追加到标题末尾：

sed -E 's/^>(.*)_([0-9]+)$/>\1_\2_\2/' filename.fasta

命令解释： #

• -E：启用扩展正则表达式，让括号等正则符号无需额外转义
• ^>(.*)_([0-9]+)$：精准匹配FASTA标题行：
  • ^>：匹配行首的>符号，确保只处理标题行
  • (.*)：捕获>之后、最后一个下划线之前的所有内容（比如sequence_1_g）
  • ([0-9]+)：捕获最后一个下划线后的数字（比如1）
• >\1_\2_\2：替换后的格式，其中：
  • \1代表第一个捕获组的内容，\2代表第二个捕获组的数字
  • 最终拼接成>原标题内容_数字的格式，比如原标题>sequence_1_g1会变成>sequence_1_g1_1

直接修改原文件（可选） #

如果你确认输出符合预期，想要直接修改原FASTA文件，可以添加-i参数（注意：此操作会直接覆盖原文件，建议先备份）：

sed -i -E 's/^>(.*)_([0-9]+)$/>\1_\2_\2/' filename.fasta

你之前找到的sed -E 's/.*_//' filename.fasta是单纯提取最后下划线后的内容，而上面的命令通过捕获分组保留了原标题的全部内容，同时把提取到的数字追加到末尾，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者Jen