使用AWK将另一文件的匹配字符串追加到FASTA序列头部ID

可以用以下awk命令实现需求：

awk 'NR==FNR {sub(/^>/,""); split($0,a,/[[:space:]]+/); desc[a[1]] = substr($0, length(a[1])+2); next} /^>/ {if ($0 in desc) print $0, desc[substr($0,2)]; else print; next} 1' File_2 File_1

命令逻辑说明 #

• 先处理File_2（NR==FNR阶段）：
  • 移除行首的>符号
  • 以空格为分隔符拆分行内容，提取ID和对应描述文本
  • 将ID作为数组键、描述作为对应值存入数组desc
• 再处理File_1：
  • 遇到以>开头的头部行时，提取ID（去掉行首>），检查是否存在于desc数组中
    • 存在则输出原头部内容+匹配到的描述
    • 不存在则直接输出原头部
  • 非头部的序列行直接原样输出

示例验证 #

File_1 内容：

>id1
agcataattaat
>id2
gccatataatgg
>id3
gccaaattaggg
>id4
ataatttagccc

File_2 内容：

>id2   descriptionXYZ
>id4   description3E4

执行命令后输出结果：

>id1
agcataattaat
>id2 descriptionXYZ
gccatataatgg
>id3
gccaaattaggg
>id4 description3E4
ataatttagccc

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