ビニングして得たfastaのファイル名とヘッダ名を一括リネームする

2022/03/06 duplicated IDの配列の修正にseqkit renameを使うように修正

mm2-fastについて紹介しましたが、上手く導入できなかったたため一旦非公開にしました。失礼しました。代わりに簡単な記事を書きます。

メタゲノムのビニングが終わってbin配列を手に入れたら、ファイル名とfastaのヘッダをリネームして、後々の作業で扱いやすくしておくのが重要になります。bin配列があるディレクトリで以下のコマンドを実行すれば、リネームしたfastaを素早く入手できます。

コマンド

seqkitを使ってそれぞれのbin配列（.fna）のmulti-fastaを長さ順にソートし、1000-bp以上のみ抽出、続いてawkとsedを使って、ヘッダーをbin<INT>_にリネーム、bin<INT>.faとして出力する。

#!/bin/bash
count=1
for file in `\find *fna -maxdepth 1 -type f`; do
 genome=${file}
 seqkit rename $genome |seqkit sort --quiet -r -l -L 1000 | awk '/>/ {$0 = ">bin_" ++n} 1' - > select.fa
 sed -e "s/bin/bin$count/g" select.fa > bin${count}_selected.fa
 echo $genome bin${count}_selected.fa >> list
 count=`expr $count + 1`
done
rm select.fa

元のファイル名とリネーム後のファイル名の関係はlistファイルに保存。出力をbin${count}_selected.faと書きましたが、”_selected”は無い方がスッキリしますね。

テスト

ubuntu18.04でテストした。

１、下の写真は元のファイル。MAG.faの名前が統一されていません。加えて、multi-fastaのそれぞれの配列のヘッダ名は長く、特殊文字も存在している可能性もあります。

f:id:kazumaxneo:20210728115809p:plain