FASTA文件特定格式序列名称重命名技术求助

嘿，我来帮你搞定这个FASTA序列重命名的需求！针对你给出的格式，这里有两种简单易用的方法，不管是用命令行还是脚本都能轻松实现：

方法一：用sed命令行工具（适合Linux/macOS） #

如果你用的是Linux或者macOS系统，sed是自带的文本处理工具，一行命令就能搞定。核心思路是用正则表达式匹配原始名称的结构，提取你需要的部分并重新组合。

运行下面的命令，把input.fasta换成你的原始文件名，output.fasta是重命名后的输出文件：

sed -E 's/^>([^_]+)_.+_([0-9]+)_([0-9]+)_([0-9]+)/>\1_\2-\3-\4/' input.fasta > output.fasta

简单解释下这个命令的逻辑：

• ^>：匹配每一行开头的>符号
• ([^_]+)：捕获第一个下划线之前的所有字符（也就是你想要保留的TV-B-PCR1部分）
• .+_：跳过中间所有不需要的内容（比如S14_M02625_124_000000000-B85HY_1这一段）
• ([0-9]+)_([0-9]+)_([0-9]+)：分别捕获最后三个用下划线分隔的数字段
• >\1_\2-\3-\4：把捕获到的内容重新组合成你想要的格式，用连字符替换最后三个数字段之间的下划线

方法二：用Python脚本（跨平台，适合新手） #

如果你是Windows用户，或者想更灵活地处理序列名称，写个简单的Python脚本会更方便。这个脚本会逐行读取FASTA文件，识别序列名称行并修改，其他序列内容保持不变。

保存下面的代码为rename_fasta.py，然后把input.fasta和output.fasta替换成你的文件路径：

# 打开原始FASTA文件和输出文件
with open('input.fasta', 'r') as infile, open('output.fasta', 'w') as outfile:
    for line in infile:
        # 去除每行末尾的换行符和空格
        clean_line = line.strip()
        if clean_line.startswith('>'):
            # 去掉开头的>，然后按下划线分割名称的各个部分
            name_segments = clean_line[1:].split('_')
            # 拼接新名称：第一部分 + 下划线 + 最后三个部分用连字符连接
            new_name = f">{name_segments[0]}_{'-'.join(name_segments[-3:])}"
            outfile.write(new_name + '\n')
        else:
            # 序列内容行直接写入输出文件
            outfile.write(clean_line + '\n')

运行脚本的方法：打开终端/命令提示符，进入脚本所在目录，输入python rename_fasta.py即可。

注意事项 #

• 确保你所有的FASTA序列名称都和示例格式一致，每个名称都有足够的下划线，能分割出最后三个数字段
• 测试的时候可以先拿一小段FASTA内容试手，确认结果符合预期再处理完整文件

内容的提问来源于stack exchange，提问作者lyllo