如何调整FASTA文件每行字符数为60？fold命令无效的解决办法

问题描述 #

用户原始FASTA文件：

>abc
AGAATTCGTCTTGCTCTATTCACCCTTACTTTTCTTCTTGCCCGTTCTCTTTCTTAGTATGAATCCAGTA
TGCCTGCCTGTAATTGTTGCGCCCTACCTCTTTTGGCTGGCGGCTATTGCCGCCTCGTGTTTCACGGCCT
CAGTTAGTACCGTTGTGACCGCCACCGGCTTGGCCCTCTCACTTCTACTCTTGGCAGCAGTGGCCAGCTC
ATATGCCGCTGCACAAAGGAAACTGCTGACACCGGTGACAGTGCTTACTGCGGTTGTCACTTGTGAGTAC

需要调整为标题行前加3个空格、序列行前加4个空格且每行序列为60字符的目标格式：

>abc
    AGAATTCGTCTTGCTCTATTCACCCTTACTTTTCTTCTTGCCCGTTCTCTTTCTTAGTAT
    GAATCCAGTATGCCTGCCTGTAATTGTTGCGCCCTACCTCTTTTGGCTGGCGGCTATTGC
    CGCCTCGTGTTTCACGGCCTCAGTTAGTACCGTTGTGACCGCCACCGGCTTGGCCCTCTC
    ACTTCTACTCTTGGCAGCAGTGGCCAGCTCATATGCCGCTGCACAAAGGAAACTGCTGAC

使用fold -w 60 myfile.fasta > out.fa无法满足需求，该命令会拆分原有换行的序列片段，且无法添加前缀空格，输出如下：

>abc
AGAATTCGTCTTGCTCTATTCACCCTTACTTTTCTTCTTGCCCGTTCTCTTTCTTAGTAT
GAATCCAGTA
TGCCTGCCTGTAATTGTTGCGCCCTACCTCTTTTGGCTGGCGGCTATTGCCGCCTCGTGT
TTCACGGCCT
CAGTTAGTACCGTTGTGACCGCCACCGGCTTGGCCCTCTCACTTCTACTCTTGGCAGCAG
TGGCCAGCTC
ATATGCCGCTGCACAAAGGAAACTGCTGACACCGGTGACAGTGCTTACTGCGGTTGTCAC
TTGTGAGTAC
ACACGCACCATTTACAATGCATGATGTTCGTGAGATTGATCTGTCTCTAACAGTTCACTT

解决方案 #

方法1：使用awk脚本 #

awk可合并分散的序列行，再按60字符拆分并添加前缀空格：

awk '
/^>/ {
    if (seq != "") {
        while (length(seq) > 0) {
            print "    " substr(seq, 1, 60)
            seq = substr(seq, 61)
        }
        seq = ""
    }
    print "   " $0
    next
}
{ seq = seq $0 }
END {
    while (length(seq) > 0) {
        print "    " substr(seq, 1, 60)
        seq = substr(seq, 61)
    }
}' myfile.fasta > out.fa

方法2：sed+fold组合命令 #

先合并所有序列行，再处理前缀空格和拆分：

sed '/^>/!{:a;N;s/\n//;ta}' myfile.fasta | awk '/^>/ {print "   " $0; next} {print "    " $0}' | fold -w 64 | sed 's/^    //;s/^/    /'

命令解释：

• sed '/^>/!{:a;N;s/\n//;ta}'：合并所有非标题行的序列内容
• awk：给标题行加3个空格，合并后的序列行加4个空格
• fold -w 64：因序列行前缀有4个空格，总长度设为64以保证实际序列为60字符
• 最后一段sed：确保拆分后的每行都保留4个前缀空格

方法3：Python脚本 #

适合需要自定义逻辑的场景：

with open("myfile.fasta", "r") as infile, open("out.fa", "w") as outfile:
    seq_buffer = ""
    for line in infile:
        stripped_line = line.strip()
        if not stripped_line:
            continue
        if stripped_line.startswith(">"):
            # 处理之前缓存的序列
            if seq_buffer:
                for i in range(0, len(seq_buffer), 60):
                    outfile.write(f"    {seq_buffer[i:i+60]}\n")
                seq_buffer = ""
            # 写入带前缀的标题行
            outfile.write(f"   {stripped_line}\n")
        else:
            seq_buffer += stripped_line
    # 处理文件末尾的最后一段序列
    if seq_buffer:
        for i in range(0, len(seq_buffer), 60):
            outfile.write(f"    {seq_buffer[i:i+60]}\n")

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