>sample 1 gene 1atgc>sample 1 gene 2atgc>sample 2 gene 1 atgc のようなfastaファイルがあります。ヘッダーとシーケンスの間の1つのブレーク。
>sample1遺伝子1atgc>sample1遺伝子2atgc>sample2遺伝子1atgc
非常に一般的なように、複数行のfastaファイルがある場合は、次のスクリプト 1 sup>を使用して、fastaとtbl（sequence_name <TAB> sequence）形式の間で変換できます。
FastaToTbl
＃！/ usr / bin / awk -f {if（substr（$ 1 、1,1）== ">"）if（NR>1）printf "\ n％s \ t"、substr（$ 0,2、length（$ 0）-1）else printf "％s \ t"、substr（$ 0 、2、length（$ 0）-1）else printf "％s"、$ 0} END {printf "\ n"} TblToFasta
＃！ / usr / bin / awk -f {sequence = $ NF ls = length（sequence）is = 1 fld = 1 while（fld < NF）{if（fld == 1）{printf ">"} printf "％s" 、$ fld if（fld == NF-1）{printf "\ n"} fld = fld + 1} while（is < = ls）{printf "％s \ n"、substr（sequence、is、60）is = is + 60}} $ PATH に保存し、実行可能にすると、次のことができます。
の $猫file.fa>sequence1 ATGCGGAGCTTAGATTCTCGAGATCTCGATATCGCGCTTATAAAAGGCCCGGATTAGGGCTAGCTAGATATCGCGATAGCTAGGGATATCGAGATGCGATACG>sequence2 GTACTCGATACGCTACGCGATATTGCGCGATACGCATAGCTAACGATCGACTAGTGATGCATAGAGCTAGATCAGCTACGATAGCATCGATCGACTACGATCAGCATCAC $ FastaToTbl file.fa sequence1 ATGCGGAGCTTAGATTCTCGAGATCTCGATATCGCGCTTATAAAAGGCCCGGATTAGGGCTAGCTAGATATCGCGATAGCTAGGGATATCGAGATGCGATACGsequence2 GTACTCGATACGCTACGCGATATTGCGCGATACGCATAGCTAACGATCGACTAGTGATGCATAGAGCTAGATCAGCTACGATAGCATCGATCGACTACGATCAGCATCAC の と、Fastaを取り戻すには：
$ FastaToTbl file.fa | TblToFasta>sequence1 ATGCGGAGCTTAGATTCTCGAGATCTCGATATCGCGCTTATAAAAGGCCCGGATTAGGGCTAGCTAGATATCGCGATAGCTAGGGATATCGAGATGCGATACG>sequence2 GTACTCGATACGCTACGCGATATTGCGCGATACGCATAGCTAACGATCGACTAGAT
これは、fastaファイルで文字列を検索するときに非常に便利なトリックです。
TblToFastafile.fa | grep'foo '| FastaToTbl
ヘッダーの先頭の > を本当に保持したい場合（あまり役に立たないようです）、次のようにすることができます：
$ perl -0pe's / \ n // g; s / .> / \ n> / g; s / $ / \ n /; ' file.fa >sequence1 ATGCGGAGCTTAGATTCTCGAGATCTCGATATCGCGCTTATAAAAGGCCCGGATTAGGGCTAGCTAGATATCGCGATAGCTAGGGATATCGAGATGCGATAC>sequence2 GTACTCGATACGCTACGCGATTAGCGATCGCAatGCGATATTGCGCGATACGCATAGCTAACGATCGACTAGTGATGCATAそれが問題である場合は、各fastaレコードの間に空の行を追加してから、perlの段落モードを使用して各「段落」（シーケンス）を一度に処理します。 perl-pe's / > / \ n> /'file.fa | perl -00pe's / \ n // g; s / .> / \ n> / g; s / $ / \ n /; '
1 sup> 10年以上前にこれらのスクリプトを作成したJosepAbrilへのクレジット。サブ>
非常にシンプルな BioPythonソリューションがあります。これは最小限で読みやすく、複数行のfastaを処理します。
from Bio import SeqIOfor record in SeqIO.parse （ 'example.fa'、 'fasta'）：print（ '> {} \ t {}'。format（record.description、record.seq））
レコードごとにシーケンス行が1つしかない場合は、2つの「stdin」を指定して貼り付けを使用します
cat your.fasta |貼り付け---
次のコマンドを使用できます：
perl -pe's / >（。*）/ > \ 1 \ t / g; s / \ n // g; s / > / \ n> / g'sequences.fa | grep -v '^ $' 説明：
この種のデータ操作に非常に役立つツールは bioawkです：
$ bioawk -c fastx '{print ">" $ name "" $ comment "\ t" $ seq} 'test.fa>sample1遺伝子1atgc>sample1遺伝子2atgc>sample2遺伝子1atgc bioawkはawkに基づいており、解析機能が追加されています。ここでは、形式がfastaまたはfastqであり、 -c fastx であることがわかります。これにより、 $ name （ ">"と最初の空白文字の間）、 $ comment （最初の空白文字の後）および $ seq （1行のシーケンス）変数は、awk命令内で使用できます。
たとえばこの回答は別のユースケースです。
可能であれば、パーサーを一緒にハッキングするのではなく、専用の解析ライブラリを使用することをお勧めします。他の回答でわかるように、正確さを重視すると、単純な形式でも解析が非常に迅速に複雑になります。
'seqinr'を使用して、必要なことを実行する小さなRスクリプトを次に示します。
＃！/ usr / bin / env RscriptsuppressPackageStartupMessages（library（seqinr））parsed = read.fasta（file（ 'stdin'）、as.string = TRUE）table = data.frame（unlist（parsed）、row.names = sapply（parsed、attr、 'Annot '））write.table（table、stdout（）、sep =' \ t '、quote = FALSE、col.names = FALSE） fasta-toとして保存-tsv 、実行可能にし、次のように使用します。
fasta-to-tsv < input.fasta > output.tsv 同様の長さの同等のコードはPythonまたはPerlで記述できます。
空のレコードを削除します（シーケンスなしの説明）：
awk '$ 2 {print RS} $ 2'FS =' \ n'RS = \ > ORS = f1.fa > f2.fa 空白行を削除します：
sed '/ ^ $ / d'f2.fa > f3.fa 複数行のfastaを単一行のfastaに変換します：
awk '/ ^ > / {printf（ "\ n％s \ n"、$ 0）; next; } {printf（ "％s"、$ 0）;} END {printf（ "\ n"）;} 'f3.fa > f4.fa 最後に、@ Pierreソリューション：
cat f4.fa |貼り付け---- > f.txt
シーケンスの折り返しがなく、各シーケンスが1行しか使用しない場合は、次のシェルコマンドが最も速く、最も簡単で、最も便利になります。
paste --- < your.fasta > your.new.fasta