☰

Substituindo os IDs seq do arquivo fasta com base nos novos IDs de uma lista

tag-icon • tag-icon awk sed perl
Substituindo os IDs seq do arquivo fasta com base nos novos IDs de uma lista

Eu tenho um arquivo fasta e quero substituir os IDs seq (linhas de descrição) por IDs novos e estendidos. Este é o formato do arquivo fasta:

>3C-assembly|contig_74
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
>3C-assembly|contig_75
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
>3C-assembly|contig_76
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
...................

e deseja alcançar um novo fasta com o seguinte formato:

>Scaffold_001 [Sex=Female] [Unplaced scaffold]
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
>Scaffold_002 [Sex=Female] [Unplaced scaffold]
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
>Scaffold_003 [Sex=Female] [Unplaced scaffold]
TAATAAAAAATATTTTTTTAATTGACCCTAACCAAATCCTGAACCTAACCGTAACACTGA
....................

Isso significa que, por exemplo, o 3C-assembly|contig_74 deve ser substituído por Scaffold_001 [Sex=Female] [Unplaced scaffold]. Para isso, construí um arquivo de texto incluindo duas colunas (delimitadas por tabulação) conectando esses dois IDS:

3C-assembly|contig_74   Scaffold_001 [Sex=Female] [Unplaced scaffold]
3C-assembly|contig_75   Scaffold_002 [Sex=Female] [Unplaced scaffold]
3C-assembly|contig_76   Scaffold_003 [Sex=Female] [Unplaced scaffold]
......................

Você tem alguma ideia de como posso usar este arquivo de texto para substituir IDs no meu arquivo fasta. Obrigado

Responder1

Usando awk:

awk -F'\t' '
  NR==FNR{ a[$1]=$2; next }
  /^>/{ 
    id=a[substr($0, 2)]
    if (id!=""){ print ">" id; next }
  }
  1
' textfile file.fasta

Primeiro, leia o arquivo de texto que contém o mapeamento e salve o segundo campo no array ausando o primeiro campo como índice. Pule para o nextregistro.

Em seguida, leia o arquivo fasta. Se o registro começar com >, procure o novo id do array removendo o primeiro caractere do registro atual ( substr($0, 2)) e usando este valor como índice do array.
Se o id não estiver vazio, imprima >o id e pule para o nextregistro.

Imprime 1o registro atual (as sequências ou ids não correspondentes).

Responder2

awk -F'\t' '
    NR==FNR { map[">"$1] = ">"$2; next }
    $0 in map { $0 = map[$0] }
    { print }
' mapfile fastafile

informação relacionada