技术求助：用Bash+Awk/Sed批量处理FAS文件插入基因名

嘿，我正好能帮你解决这个批量处理FAS文件的问题！你需要从每个GeneName_something.fas格式的文件名里提取基因名，然后把它加到每个序列头的物种名后面，用连字符分隔对吧？我给你写一个基于Bash+Awk的脚本，直接就能遍历文件夹里的所有FAS文件完成处理。

#!/bin/bash

# 遍历当前目录下所有.fas格式的文件
for fas_file in *.fas; do
    # 如果当前路径不是文件（比如没有匹配到任何.fas文件时），跳过
    [ -f "$fas_file" ] || continue

    # 从文件名中提取基因名：删除从最后一个下划线开始的所有内容（包括.fas后缀）
    # 比如"COX1_align.fas"会提取出"COX1"，"Gene_Name_raw.fas"会提取出"Gene_Name"
    gene_name="${fas_file%_*}"

    # 使用Awk处理文件：修改所有以>开头的序列头，插入基因名
    # 兼容GNU Awk（Linux默认）的原地修改
    awk -v gene="$gene_name" '
        # 匹配序列头行（以>开头）
        /^>/ {
            # 把>后面的第一个单词（物种名）替换为「物种名-基因名」
            sub(/^>([^ ]+)/, ">\\1-" gene)
        }
        # 输出所有行（修改后的序列头和原序列内容）
        1
    ' -i inplace "$fas_file"

    # 打印处理完成的提示
    echo "✅ 处理完成：$fas_file"
done

针对macOS用户的调整 #

如果你用的是macOS，系统默认使用BSD Awk，没有-i inplace原地修改选项，把脚本里的Awk行替换成下面这行即可（用临时文件间接修改原文件）：

awk -v gene="$gene_name" '/^>/ {sub(/^>([^ ]+)/, ">\\1-" gene)} 1' "$fas_file" > "$fas_file.tmp" && mv "$fas_file.tmp" "$fas_file"

脚本细节说明 #

• 遍历逻辑：自动扫描当前文件夹下所有.fas文件，避免无匹配时的错误提示
• 基因名提取：用Bash的参数扩展${fas_file%_*}，完美适配你的GeneName_something.fas命名规则——不管GeneName里有没有下划线，只要后面是_xxx.fas格式，都能正确提取
• Awk处理：精准匹配序列头行，只在物种名后插入基因名，完全保留原序列内容和序列头的其他注释信息（如果有的话）

使用步骤 #

1. 把上面的脚本复制到一个文本文件里，命名为add_gene_to_headers.sh
2. 打开终端，进入存放.fas文件的文件夹
3. 给脚本加执行权限：chmod +x add_gene_to_headers.sh
4. 运行脚本：./add_gene_to_headers.sh

内容的提问来源于stack exchange，提问作者Nico64