如何使用bash删除指定行的特定子串以修改FASTA文件头行信息

问题原因 #

你编写的awk命令没有区分序列头行和序列内容行，对所有行都统一执行了按|拆分后拼接4个字段的逻辑。而序列内容行中不存在|分隔符，拆分后$2、$3、$4均为空值，拼接后就会在末尾多出|||。

修正后的命令 #

awk -F '|' '/^>/{print $1 "|Chain " substr($2,8,1) "|" $3 "|" $4; next}1' sample

逻辑说明 #

• 用/^>/匹配所有以>开头的序列头行，仅对这类行执行修改操作
• substr($2,8,1)直接提取第二个字段第8位的首个链字母，比你之前的两次substr拼接写法更简洁
• next表示处理完头行后直接跳转处理下一行，不执行后续逻辑
• 末尾的1是awk的固定简写用法，代表直接原样输出所有未被前面逻辑处理的序列内容行，不会新增任何多余字符

运行上述命令即可得到你预期的输出结果。

内容的提问来源于stack exchange，提问作者Caterina