如何将具有相同名称的fasta文件连接到一个具有不同标题的文件中？

Question

我的问题更多是关于如何为每个fasta序列重命名标题行，因为我知道如何将一堆fasta文件连接为一个文件。问题是，生成我的文件后，每个文件都具有完全相同的标头（所分析的基因的名称）。因此，我想做的只是合并序列，而不是保留相同的标题，而要使用文件名作为标题。

例如，我有两个fasta文件，第一个是：

Homo_sapien_XYZ_20102.fa

在此文件中的顺序为：

>gene_X
ACTGAGGCCAATGAA...

然后创建另一个文件：

Homo_sapein_ABC_20102.fa

>gene_X
CCCTGAGTAGAT...

当我连接这些文件时，我得到的是一个新文件，该文件具有不同的序列但标头相同（并且由于我用来生成这些单独序列的脚本的性质，因此我无法在此步骤之前更改标头名称）。

>gene_X
ACTGAGGCCAATGAA...
>gene_X
CCCTGAGTAGAT...

这将是有问题的，所以我希望使用文件名重写该标头，以便最终成为：

>Homo_sapien_XYZ_20102
ACTGAGGCCAATGAA...
>Homo_sapein_ABC_20102
CCCTGAGTAGAT...

有人知道该怎么做吗？我用来创建一个序列文件的代码行很简单：

#!/bin/bash

for files in *_20102.fa
do
    cat ${files} >> geneA_consensus.fa
done

Answer 1

这适用于我的测试仪。

for file in *.fasta
do
   echo ">$file" >> out.fasta
   tail -n +2 $file >> out.fasta
   echo >> out.fasta
done

此简单版本包含文件扩展名。

即使上一个FASTA文件没有以换行结尾，最后一个回声也可以确保下一个标头出现在自己的行上。

Answer 2

靠近代码，我将标题作为新标题回显，并在转储文件时省略标题：

#!/bin/bash

for file in *_20102.fa
do
    echo ${file%%.*} >> geneA_consensus.fa
    tail +2 $file >> geneA_consensus.fa
done

还请注意，我稍微更改了循环变量名称。

Answer 3

awk来营救！

$ awk 'FNR==1{print FILENAME; next}1' *_20102.fa > geneA_consensus.fa

不需要循环。