Question

我正在做一个生物信息学研究，在这里我处理一些数据并将一些输出放到所需的文件夹中。对于其中两个文件夹（文件和文件夹结构在线程末尾链接），文件夹/文件结构如下所示：

binned / 90-20-09-2018 / bins / 90-20-09-2018.001、90-20-09-2018.002、90-20-09-2018.003等

binned / 90-25-04-2018 / bins / 90-25-04-2018.001、90-25-04-2018.002、90-25-04-2018.003等

我知道文件夹的数量，但是文件夹中的文件数量是未知的，并且会有所不同。

在另一个称为分类法的文件中（例如，binned / 90-20-09-2018 / bins / quality / taxonomy.txt），是每个分类箱的细菌名称表（名为90-20-09-的文件） 2018.001、90-20-09-2018.002等）。如您所见，每个容器ID都是一个对应的分类法。

----------------------------------------------------------------------------------------------------------------------------------------------------------------------
  Bin Id              # unique markers (of 43)   # multi-copy   Taxonomy                                                                                              
----------------------------------------------------------------------------------------------------------------------------------------------------------------------
  90-20-09-2018.001              25                   15        k__Bacteria;p__Firmicutes;c__Bacilli;o__Lactobacillales;f__Lactobacillaceae;g__Lactobacillus          
  90-20-09-2018.003              24                   0         k__Bacteria;p__Firmicutes;c__Bacilli;o__Lactobacillales;f__Streptococcaceae;g__Streptococcus          
  90-20-09-2018.002              15                   0         k__Bacteria;p__Firmicutes;c__Bacilli;o__Lactobacillales;f__Lactobacillaceae_2;g__Lactobacillus_2      
  90-20-09-2018.005              14                   11        k__Bacteria;p__Firmicutes;c__Clostridia;o__Clostridiales;f__Lachnospiraceae                           
  90-20-09-2018.004              12                   0         k__Bacteria;p__Actinobacteria;c__Actinobacteria;o__Actinomycetales;f__Actinomycetaceae;g__Mobiluncus  
----------------------------------------------------------------------------------------------------------------------------------------------------------------------

我需要的是将每个bin文件（90-20-09-2018.001、90-20-09-2018.002等）重命名为其相应的分类法（属）名称。属名称是在“ g”之后的名称。因此对于bin 001，它将是“乳酸杆菌”。

因此，最终结果将如下所示（对于第一个文件夹）。

binned / 90-20-09-2018 / bins /乳杆菌，乳杆菌_2，链球菌等

我想象这是通过Python（我所熟悉的唯一编程语言）完成的。

此外，我需要将fasta文件的标头更改为其相应的名称（与文件本身相同的名称）。 fasta文件的格式如下：

>NODE_2_length_62925_cov_23.488138
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCTTTTCAAGCAGAAGACGGCATACGAGATAATGAGCGGTG
ACTGGAGTTCAGACGTGTGCTCTTCCGATCTCGTCTCAAGTTAAAAATCTGCTAGCCAATACTTTACCTA
ATGCTGTCACTTCTCTACTACAATTTTTCGGTGCATTAGTAATTATGATGGCGATGGATTGGCAAATGAC
CTTGATTATGTTTATCGCCGTTCCACTGGTAGTTGTGGCTCTACTCCCAATCATGCAACAATCACGTAAA
ATCGGCCGTAAGCGCCAGGACGAACTAGCCAACTTTTCAAGCGATTCTACCAGTGTTTTAAGCGAAATTA
GATTAGTTAAGTCTTCCAACGGTGAACCAAAAGAGTTAAACGTTGGAAGCAATCGGATTTCTAGCCTCTA
>NODE_89_length_21285_cov_31.129560
GGCTACAAACAAATTGAAGATGAAATTGCTCGCTTAAAGAAGGGTCGTCCACGCAGAATTAAAATTTTGC
AGGCAGCACGTGCGCTCGGCGACCTTTCAGAAAATACGGAATATACTGAAGCTAAGCGTTACTTAGGCAA
ACAATTAAAGTATACGGAAATCGTTGAAACTAAGGACGATGGCAAGGTTGATTTGGGCAAAACCGTTGTC
TTGAAGTTTGACGATGATGAAGATACTGAAGAATATAAGATTGTTGGCCGGATGGAGGCTGATTTAGCCG
ATGGCAAGATTTCCTTTGGTTCACCACTGGGCCAAGCAATTATGAAAAAAGAGGCAGGGACGACTTCAAC
AGTTGAAGCACCGGCCGGAGAATATAAGGT

因此，基本上，必须将“>”之后的名称更改为其相应的名称。因此对于bin 001，对于所有标题，它都是“ Lactobacillus”。

如果我不太清楚，请随时提问。

谢谢！

链接到文件和文件夹：

https://www.dropbox.com/sh/ho3ux5wplv7yk4u/AAAuqLOFKtxXr3KTwGqca778a?dl=0

用单独文件中的字符串替换fasta文件中的标头名称和文件夹中的文件名

0 个答案: